解决智能组卷问题的和声搜索算法研究

在计算机自动组卷问题的研究中,符合组卷需求的模型和高效优质的智能算法是计算机自动组卷的关键。为了减少选卷目标误差,优化组卷,针对现有计算机自动组卷模型在关键组卷指标上存在误差,提出了一种满足用户精确组卷需求的改进组卷问题模型。基于和声搜索算法研究并设计了一种新型智能组卷算法。以实际题库为测试算例,分别对算法的性能以及参数对算法性能的影响进行仿真实验。结果表明,与遗传算法相比,所提出的算法在组卷成功率和组卷质量方面均具有更好的性能。     

改进粒子群算法在智能组卷系统中的应用

计算机智能组卷是近年来计算机在辅助教学中的一个重要应用,计算机智能组卷作为一种多目标求解的优化组合问题.提出基于灰色关联度分析的改进粒子群算法应用于自动组卷问题,并进行了仿真实验.仿真结果表明,此算法能够成功应用于自动组卷,组卷速度快、成功率高.     

基于背包问题的在线组卷算法

针对当前计算机在线自动组卷效率低和效果不理想的问题,提出一种基于背包问题求解的组卷算法,并改进了传统的背包问题求解思想:即按照题型和难度将试卷大包划分成试卷小包,进而分别求解,利用背包问题求解其过程。实验表明,算法可根据专家设计的组卷策略自动生成试卷,效率和成功率都是比较理想的。     

基于粒子群算法的智能组卷系统研究与实现

依据企业人才培养的考核要求,对组卷环节进行研究和改善,建立起规范高效的智能组卷系统.组卷问题是一个在多约束条件共同作用下的优化问题,难以用传统的计算方法进行求解.引入粒子群优化算法,实现了问题的快速求解.实现了基于粒子群算法的组卷模型,测试结果表明,基于粒子群算法的自动组卷系统成功率高、耗时短,系统界面友好,满足用户需求,有效地提高了工作效率.     

自动组卷的建模和仿真研究

研究优化自动组卷问题,自动组卷要求快速获得满足用户的组卷,是一个NP难题,传统组卷组算法存在耗时长、效率低等缺陷,组卷成功率低.为了提高组卷成功率,提出一种遗传算法的智能组卷模型.首先按照试卷难度、区分度、考试总分、考试时间和题型要求建立多目标、多约束数学模型,然后采用遗传算法对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于其它自动组卷算法,改进遗传算法提高了组卷速度和效率,组卷成功率也相应有所提高,获得组卷质量更优,有效地解决优化自动组卷方法问题.     

人工智能在自动组卷建模中应用研究

关于研究组卷的可信度和效度问题,组卷方法耗时长、效率低,组卷成功率低.为了提高自动组卷成功率,提出自动组卷算法,通过建立多约束目标优化模型,用蚁群算法自动组卷方法.首先按照试卷要求建立一个多约束的数学模型,然后用蚁群算法快速和智能搜索能力对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于传统组卷算法,提高了组卷效率,组卷成功率也相应提高,很好的满足当前网络在线考试系统的实时性较高组卷效率.     

基于遗传算法的自动组卷研究

随着基于网络的各种考试的引入和广泛应用,计算机组卷的算法得到了广泛的研究.计算机自动组卷是一个带约束的多目标优化问题,可以通过遗传算法采解决,并可以根据实际问题选择个性化的编码方案,提高遗传算法的效率.通过对计算机组卷问题及和遗传算法的分析,给出了一种基于遗传算法的计算机自动组卷算法.     

基于遗传和模拟退火算法的自动组卷系统设计与实现

本文介绍了组卷算法的数学模型和主体思想。我们从算法的合理性、实用性和可操作性上加以分析和设计，用遗传算法和模拟退火算法创建模型，用于解决自动组卷的问题，并且在Delphi平台下实现了自动组卷系统。     

计算机自动组卷算法分析

本文分析了计算机自动组卷算法的约束满意特性，并结合一个实际的题库管理系统的设计与实现，从策略上讨论了如何解决自动组卷算法中的约束满意问题。     

一种基于改进蚁群算法的考试系统的研究

由于传统的考试既费时又费力等不足,提出一种基于改进蚁群算法的考试系统模型。本模型以考试系统的功能需求为前提,对蚁群算法的信息素初始值的给出作了讨论并对更新规则进行了修改,将考试结果反馈给系统。这样不但使得自动组卷问题得到了有效的解决,而且本考试系统还具备了自主学习能力,使考试系统的智能化程度越来越高。实验结果表明,本系统具备随机抽取试题的重复率低、组卷效率高等优势,算法效率高,能够最大程度的满足组卷的需求。