一种智能组卷算法的实现

本文首先建立组卷问题的数学模型，通过分析可知，组卷问题实质上是一个多目标优化问题的求解。为了解决组卷这个多目标优化问题的求解方法．采用了一种遗传算法的智能组卷算法。     

一种自动组卷算法的实现

结合遗传算法的原理和思想,对考试自动出题组卷的问题进行了深入的研究,找到了一种获得与考试试题控制指标符合的试题模型的解决方法。     

一种应用于试题库组卷的遗传算法的实现

计算机自动组卷是计算机辅助教学（CAI）中一个重要的研究课题,本文结合遗传算法的原理和思想,针对试卷生成的目标要求,对考试自动组卷问题进行了研究,设计了试题库的数据组织结构,并给出了应用遗传算法进行高质量组卷的新方法。     

一种改进遗传算法在智能组卷中的应用

目前,国内外许多科研单位和学校机构对智能组卷技术进行了大量的研究,其中基于遗传算法的智能组卷技术最为先进,但由于组卷问题的复杂性,仍然存在许多的不足,本文尝试从遗传算法在智能组卷中的实现上进行技术改进,以克服组卷时间长、算法收敛快等缺陷.     

基于遗传算法的智能组卷系统实现

遗传算法是数据库技术应用的一种表现形式,本论文从遗传算法,改进的遗传算法,智能组卷的基础理论,依据改进的遗传算法生产智能组卷系统。     

试题库智能组卷算法研究

本文讨论了适合于智能组卷的数学模型、数据库结构、并将遗传算法应用于在线医学影像试题库系统的智能组卷中。     

智能组卷系统的研究与实现

分析影响组卷的成因遴选了组卷的因素,采用数据库初始化技术,应用改进的遗传算法实现了组卷系统.一系列实验仿真结果显示,改进算法在实际组卷中确实在组卷效率、组卷结果等方面优于传统算法.     

基于遗传算法实现智能组卷的题库设计

遗传算法是目前最适合解决组卷问题的算法之一,开发组卷系统必须依靠数据库平台的支持,为了保持系统数据的整体性、完整性和共享性,该文提出了一种使得数据库尽可能适应算法需要的设计思想。     

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。     

改进型遗传算法智能组卷系统的设计与实现

本文介绍了改进型遗传算法智能组卷系统的需求分析,然后根据分析结果来设计和实现具有良好的通用性和可扩展性一套智能组卷系统,其中组卷算法的关键点给出了具体的实现代码。     

Memetic算法在智能组卷问题中的应用

Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。      

浅析遗传算法在智能组卷系统中的应用

该文介绍了遗传算法的基本原理和构成要素,分析了遗传算法的特点,在遗传算法的研究基础上,找到了一个很好的策略过程应用于智能试卷,提高运行的速度,避免了标准算法容易早熟现象,具有更好的健壮性,是一种很有发展潜力的优化方法。     

基于改进遗传算法智能组卷的研究

组卷问题是解决在一个多约束条件下的多目标参数优化的问题,在研究组卷数学模型的基础上,对遗传算法进行了改进,通过对染色体分段编码、确定适应度函数、分段初始化种群、交叉概率和变异概率的自适应调整及最优个体保存策略措施,实现了智能组卷。通过实验数据测试结果表明,改进遗传算法比简单遗传算法能更好地完成组卷,有更高地组卷效率,有较好地实用性。     

一种高效的随机组卷算法的设计

为了实现更好的教育测量,各大院校都在积极地进行题库系统的建设,组卷算法作为该类系统的核心,是研究 的一大热点。本文分析了传统的随机组卷算法存在的不足,提出一种改进的随机组卷算法,实验结果表明,本算法能较快速地 实现按要求组卷。     

自适应遗传算法在智能组卷中的应用

遗传算法以其具有自适应全局寻优和智能搜索技术,并且收敛性好的特性,能很好地满足自动组卷的要求,但简单遗传算法比较容易引起"未成熟收敛"和"搜索缓慢"等问题。本文提出自适应性的交叉和变异算子,能够降低多重约束目标,有效维持种群的多样性,避免产生局部最优解,改善未成熟收敛。     

基于差分进化算法的智能组卷方法

如何从庞大试题库中自动生成符合教学和考试要求的一套试卷是目前我国利用计算机进行辅助教学的一个重要研究内容.通过分析用户对组卷的要求和试题结构特征.构建了一个智能优化组卷新模型,同时给出了求解的差分进化算法.数值试验结果表明,所给的方法在组卷效率和质量方面具有更好的性能.     

基于遗传算法的智能组卷的研究

智能组卷是计算机辅助教学(CAI)中一个重要的研究课题,本文针对试卷生成的目标要求,建立了智能组卷的数学模型,并给出了用改进的遗传算法解决此问题的新方法.实验结果表明该改进的遗传算法能很好的解决试题库中智能组卷问题,具有较好的性能和实用性.     

基于集合随机抽选法的智能组卷的研究与应用

提出了一种基于集合的随机抽选算法,可以解决传统随机抽选算法在试题库组卷过程中重复试选和难以一次组卷成功的问题。运用集合的方法,把试题按属性组成不同的集合,用集合随机组卷算法来实现试题组卷。给出了算法的参数定义和描述,并分析了该算法与传统随机算法在执行效率上的区别。该算法可以有效地改善传统随机算法的执行效率,并已经成功应用于实际网络考试系统中。