通用在线考试系统智能组卷遗传算法设计

组卷算法设计是考试系统设计的核心。在分析通用在线考试系统的特点及组卷原则的基础上,首先建立一种改进的组卷数学模型;接下来依据该模型主要从编码方式选择、适应度函数的确定以及遗传算子的设计等方面详细设计通用在线考试系统采用的改进的遗传算法;最后,给出基于改进的遗传算法的智能组卷流程。应用表明,采用该算法实现的本系统的组卷功能在组卷的速度和成功率都得到显著提高,较好地满足了各类课程的组卷需求。     

基于遗传算法的智能自动组卷问题的研究

高效、科学、强壮的智能组卷算法是实现自动智能组卷的关键技术,也是目前CAI领域的热门研点之一。对智能自动组卷问题及各种组卷算法进行了分析,提出运用遗传算法的全局寻优对智能自动组卷问题进行研究,得到了解决适合要求的试题模型的实用算法,通过采用矩阵知识表示方法,根据实际问题设计得有效的遗传算子,直接在解上进行遗传操作,实验结果表明遗传算法相对于其他算法能取得此采用传统的二进制编码的知识表示方法更好的效果,具有较好的使用性能和实用性。     

一种用于智能组卷的自适应小生境遗传算法

在采用遗传算法进行智能组卷的过程中,常出现选择策略缺乏多样性保护机制的现象,易出现早熟收敛。为解决智能组卷的早熟收敛问题,提出一种自适应小生境遗传算法。采用小生境技术可提高个体的选择概率,增加个体的多样性选择机率;在保证算法收敛速度的情况下,给出一种一致变异算子,同时调节个体的变异概率和变异范围,提高种群多样性。最后,通过具体实例验证了该算法在较短的组卷时间内,可以实现全局寻优的结果,从而证明该算法的有效性。自适应小生境遗传算法在智能组卷中的应用具有实际意义。     

基于改进遗传算法的智能组卷研究

组卷问题是一个多目标约束优化问题,采用集合论思想,将智能组卷的要求形式化,提出了一种基于改进遗传算法来进行智能组卷的方法.该算法针对传统智能算法组卷速度慢、成功率低的缺点,针对简单遗传算法的编码、遗传算子存在的问题进行了改进.实验结果表明,改进的算法在保证试题产生的质量前提下,提高了智能组卷的运行速度,具有较好的实用性.     

基于遗传算法的智能组卷系统的研究与实现

组卷系统的研发不仅涉及到组卷数学模型建立的问题,还包括对其应用适合的组卷算法的研究。由于遗传算法具有全局寻优和智能搜索的特性,所以本文将该算法引入智能组卷。然而若要寻求到真正适合的组卷算法,必须对现有的遗传算法加以改进。本文对遗传算法改进主要体现在以下几个方面:编码策略、适应度函数的选取和遗传算子及控制参数的设计等等。改进的遗传算法在组卷中的应用可以有效克服未成熟收敛,加快了收敛速度,明显地改善了其全局寻优能力,提高了组卷的成功率,取得了满意的组卷效果。     

含富文本格式的智能组卷系统的研究与实现

本文针对智能组卷系统进行了深入的研究,对遗传算子进行自适应调整,提出了一种基于改进遗传算法的自动组卷算法,提高了组卷的效率;同时利用RTF格式文件,使题库中可以包含公式、图像、图表等多种格式的试题,丰富了试题的内容和形式,从而设计并实现了一套功能完善的智能组卷系统。     

遗传模拟退火智能组卷策略研究

智能组卷是一个包含多重约束条件的最优组合问题,设计有效算法求解优化问题对获得高满意度试卷至关重要,为此,提出了一种基于模拟退火与标准遗传算法的混合智能组卷算法。约束模型采用了基于期望平均分的难度分布函数计算试卷难度系数,该算法模型采用分组实数编码,单点交叉算子,单个和随机两种基因变异算子,并对每代个体进行模拟退火操作。给出了详细的实验对比结果,表明了该算法的有效性。     

基于基因表达式编程的计算机组卷算法研究

随着计算机技术的发展,传统的手动组卷方法难以满足新时代下的各种领域的需求,为解决传统手动组卷在性能、速度、题型分配等方面的缺陷,基于计算机技术的智能组卷问题日渐变为人们关注的问题。然而目前的组卷算法存在成功率低、计算时间久、知识点覆盖不完整、难度系数难以把握、生成的试卷难以满足要求等问题,导致了生成的试卷无法达到理想的效果。为改善上述问题,引入了基因表达式编程算法,通过使用适当的遗传算子,采用线性定长的编码方式,构造了新的智能组卷方法,避免了传统组卷算法成功率低以及适应性差等问题,解决了多约束条件下试卷的分数分配、章节分配、难度等一系列问题。实验证明,该算法有着较高的效率,能够快速地生成满足要求的试卷。     

改进遗传算法在组卷系统中的应用

本文将改进的遗传算法应用于组卷系统中,对智能组卷问题进行研究和分析,通过对编码、适应度函数、遗传算子、控制参数指标等方面来进行研究设计,运用改进遗传算法的全局寻优的优点,得出解决适合要求的实用算法.从而确保的试卷的覆盖范围和准确性提高组卷效率.     

改进遗传算法在自动组卷中的应用研究

为了避免遗传算法在自动组卷中存在的未成熟收敛和收敛速度慢等弱点,根据群体适应值的分布特点,采用了基于小生境的改进自适应遗传算法。该算法采用模拟小生境法选择算子进行种群选取,并对交叉算子和变异算子进行了优化,实现了交叉和变异概率的非线性自适应调整。改进后的算法明显提高了组卷的成功率和收敛速度,取得了满意的组卷效果。     

基于遗传算法的计算机智能作曲模型

针对传统计算机智能作曲客观评价不准、实现难度过大问题,本文对智能作曲进行探讨并给出一种遗传算法的智能作曲模型,并提出一种简化的模型.对该模型分别从算法设计和算法实现两方面进行了较深入的探讨,同时给出了程序实现.实验结果表明,模型对局部进行改善而不影响到其他部件,具有较高的可扩展性,算法的时间和空间复杂度较好,证明本文的算法是可行和有效的.     

基于改进遗传算法的智能组卷系统设计

针对大学课程考核及题库建设需求,设计并实现了一种基于改进遗传算法的智能组卷系统。系统采用Word文档保存试题的内容和答案;在组卷策略上采用了改进遗传算法,详细设计了组卷问题的染色体结构、适应度函数和遗传操作等,克服了传统随机组卷方法存在的局限性,科学合理地解决了智能组卷问题。通过测试后发现,本智能组卷系统可操作性强、组卷效率高,可以显著提高组卷的质量,完全能够满足课程考核的实际需求。     

改进的遗传算法在智能组卷中的应用研究

讨论智能组卷问题求解的理论模型,根据人工智能中的遗传算法的原理和思想,通过采用新的编码方式、交叉算子和变异算子等方法,利用自适应遗传算法实现单套和成批试卷生成.通过实例分析,实验结果表明该组卷方法具有组卷成功率高和组卷速度快的优点.     

改进的烟火爆炸优化算法及其收敛性分析

本文在分析了烟花爆炸优化算法(FEO)的优越性与不足的基础上,借鉴了PSO算法中交流算子的思想,提出了改进的烟花爆炸优化算法(FEO)算法。算法详细论述了交流算子的构造方法,给出了算法的具体操作流程,并重点证明了改进的烟花爆炸优化算法能以概率1收敛到全局最优解。最后,对3个标准测试函数进行仿真实验,并同其他智能优化算法进行比较,比较发现改进的烟花爆炸优化算法(FEO)算法取得了非常好的结果,具有明显的优势。     

基于VxWorks加固计算机智能测试软件设计与实现

为了解决军用加固计算机生产调试过程中出现的差异化问题,开发了基于VxWorks操作系统的加固计算机智能测试软件,给出了软件的框架结构和部分实现流程.该软件使用灵活,操作方便,有效提高了工作效率加固计算机生产.     

利用VBA在Word中实现试卷的自动生成

主要以Microsoft Word 中的书签(bookmark)作为试题的标志完成试卷中定位,通过设置不同题型的模版并利用随机抽取算法实现了对题库中题目的随机抽取,在Word中实现了试卷的自动生成.     

新型组卷策略的研究与实现

结合国内远程教育中考试系统的开发经验,对目前常见的几种传统组卷策略进行了分析和研究.在与相应的试题库结构组合的基础上,提出了一种新型组卷策略,该策略能够克服传统组卷方法存在的不足.该系统以ASENET技术为开发环境,采用B/S模式代替传统考试系统的C/S模式.实践结果表明,该策略实现了智能化考试,真正实现了自适应远程教育的目标.而且在功能上具有更高的可靠性、有效性,数据冗余度小等特点,为现代远程教育做出了一定的贡献.     

公路物流智能配载的研究和装载算法设计

根据公路运输中物流配载的原则和特点,结合专家知识和策略,提出了物流智能配载的设计思想和实现方法,建立了在不同运单类型、货品属性、出车地点、装车要求等多维度约束条件下的智能配载模型,给出了详细的物流配载术语定义和配载规则。提出了一种基于启发式思想和贪婪思想的混合算法解决货品装箱问题。使用ASP.NET开发环境,实现物流运输智能配载系统,模拟部分物流公司货运数据进行测试,测试结果显示了该智能配载方法的有效性与高效性。     

基于层次分析方法与人工鱼群算法的智能组卷*

针对已有智能组卷方法难以满足考核要求,设计了一种基于层次分析方法与人工鱼群算法的新方法。首先根据试卷总分、考试时间、章节分数、知识点分数、题型分数、能力层次分数、试卷难度与试卷区分度八个考核要求建立多目标、多约束组卷模型;然后利用层次分析方法确定各组卷目标的权重,进而通过线性加权求和将多目标规划模型转换为单目标规划模型;最后利用改进的人工鱼群算法求解模型得到最优组卷方案。该方法适用于单套组卷与多套组卷。同时,讨论了该方法的优缺点以及发展趋势。