遗传算法实现试题库智能组卷方法研究

智能组卷方法是当今各大高校及相关单位试题库系统中的核心内容.本文提出了一种基于遗传算法解决组卷问题的改进方法,该算法以其具有的自适应全局寻优和智能搜索技术且收敛速度快的特点解决了传统组卷中编码太长、适应度函数值计算困难等问题,建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作,为进一步完善网络试题库的建设奠定了坚实的基础.     

基于遗传算法的智能组卷系统的研究

随着计算机技术的日益发展,在组卷过程中运用计算机技术已成为可能和现实.它能帮助教师手动或者自动出卷,从而减轻教师的工作压力,可代替教师的大部分手工劳动,提高工作效率.并对考试情况客观、准确、快速分析评价.本文针对智能组卷的目标要求,建立了智能组卷系统的数学模型,并给出了改进的遗传算法求解智能组卷问题.实验结果表明,该改进的遗传算法能很好地解决试题库中智能组卷问题,使组卷的成功率高,组卷速度快,具有较好的性能和实用性.     

基于遗传算法的智能组卷研究

计算机技术自问世以来,推动并深化了教育教学改革.在考试环节,可以使用计算机辅助测试系统对学生的学习效果进行测试.计算机辅助测试系统的核心功能是根据约束条件进行组卷.建立了一个改进的组卷数学模型,并使用遗传算法对该模型求解.实验结果表明,该方法能够根据设定的约束条件进行组卷,并且有较高的成功率.     

基于遗传算法的智能组卷系统

计算机辅助教学(CAI)的一个重要应用是计算机辅助测验(CBT),而智能组卷是CBT的基础.通过对组卷目标和要求的分析,建立了智能组卷系统的数学模型,给出了一种基于遗传算法的智能组卷算法.实验结果表明,所提出的方法具有较好的性能和实用性.     

基于遗传算法智能组卷系统的研究与实现

试题库智能组卷问题是一个在一定约束条件下的多目标参数优化问题,利用传统的数学方法求解较为困难,自动组卷的效率和质量取决于试题库设计以及抽题算法的设计.设计一个基于遗传算法的智能组卷系统,从试题库中自动地查找和组织出一些不同类型、不同难度、不同章节范围内的试题来组成一份最佳的试卷,解决了在教学过程中组卷耗时长、试题质量低的问题,实现了快速智能组卷.     

基于改进遗传算法的智能组卷研究

智能组卷是一个多目标约束的组合优化问题.针对传统遗传算法在编码和遗传算子存在的问题,提出一种分段自然数编码及采取自适应遗传算子的改进遗传算法.     

基于通用试题库的智能组卷系统的开发

基于改进的自适应遗传算法,求解改进数学模型的智能组卷系统.利用JSP编程语言和SQL Server 数据库技术开发了大学物理课程考试系统,系统具有良好简捷的操作界面,可以直接生成Word形式的试卷及答案,并且可以编辑、修改和打印Word形式的试卷及答案.     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件，建立了智能组卷系统的数学模型，并给出了改进的遗传算法求解智能组卷问题的新方法．实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题，组卷成功率高，组卷速度快，具有较好的性能和实用性。     

遗传算法在试题库组卷中的应用

为了提高网络考试系统中抽题组卷的性能,对遗传算法的基本要素进行了研究,设计了一种基于遗传算法的抽题组卷算法.实验数据表明,该算法具有较好的使用性能和实用性.     

基于整型编码遗传算法技术的智能组卷系统的研究

根据智能组卷的概念建立组卷数学模型与目标函数,并提出基于遗传算法的智能组卷策略.通过采用分段整型编码方案和遗传算法的选择、交叉、变异操作,有效地解决了组卷这个多目标优化求解问题.     

智能组卷算法研究

智能组卷是网络化考试系统中较为关键的模块，其问题的实质是多约束条件的最优求解。本文提出一种基于遗传算法的智能组卷策略。     

职业技能鉴定中智能化题库组卷模块的研究

对智能化题库组卷模块进行研究：制定组卷计划书,确定题型和题量,根据分布、结构、难度特征参数确定初始值,最后抽题,检查和修改相关数据,为智能化题库的开发与使用提供科学、有效的试卷组成技术基础。     

遗传算法在智能考试系统中的应用

基于WEB的考试系统是现代考试系统发展的趋势。智能组卷系统是考试系统中的一个关键组成部分,而遗传算法是智能考试系统中最常采用的算法。通过讨论智能组卷中遗传算法的几个关键问题,提出了合理的设定种群规模、变异参数,避免遗传算法过早收敛并增强局部搜索能力、整体稳定性等问题的改进方法。     

基于改进遗传算法的自动组卷系统的研究

针对基本的遗传算法在自动组卷系统中容易陷入局部最优解、迭代后期容易早熟收敛等缺点,提出了改进的初始种群选择方法、自适应的交叉概率和变异概率的改进遗传算法。并且通过对组卷数学模型的改进,使得系统对多门课程具有通用性。实验结果表明,改进遗传算法改善了算法的全局搜索能力,更好地克服了迭代后期的早熟现象,因而在组卷效果及效率上优于基本遗传算法。     

基于改进遗传算法的智能型试卷自动生成系统的研究

针对传统的组卷算法具有组巷速度慢、成功率低、组卷质量不高等缺点，本文提出了一种新的数据库结构，并进一步提出了用改进的遗传算法求解组卷问题的方法。实践证明，在这种结构下的数据库能很好的配合改进的遗传算法实现智能组卷，组卷的成功率和收敛速度都得到了明显的提高，并且较好的克服了未成熟收敛现象，取得了较满意的组卷效果。     

基于遗传算法的智能组卷研究

高效率的组卷功能的实现依赖于高效的组卷算法,很多学者都对组卷算法做了多方面的研究与改进．目前对遗传算法的研究应用是最近智能组卷系统中比较广泛的算法应用．本文是对基本遗传算法在智能组卷领域的改进研究,以实现高效智能组卷．     

基于改进小生境遗传算法的自适应组卷系统

针对传统基于简单遗传算法的组卷系统收敛速度慢,组卷质量较差等缺陷,设计一种基于改进小生境遗传算法的自适应组卷系统。首先依照组卷约束权重比,生成适应度值较高的初始种群．其次对选择策略进行优化。引入小生境预选机制以维持种群多样性,防止过早收敛。再次根据组卷特点改进交叉算子和变异算子,根据种群进化情况,自动调整交叉概率和变异概率。最后经过若干迭代后达到终止条件,以自适应方式生成目标试卷。实验结果证明,与简单遗传算法相比,改进的遗传算法在收敛速度和组卷质量上均有显著的提高。     

基于自适应遗传算法的抽题组卷策略

为克服经典遗传算法求解智能组卷时存在的盲目搜索、收敛速度慢和个体易“早熟“等缺点,文章提出了基于动态自适应技术遗传算法。利用求解问题的特征改进经典遗传算法的多个关键部分,采用动态自适应技术,提高算法的寻优速度。实验结果表明,采用改进式的自适应遗传算法实现的组卷策略具有收敛速度快、搜索精度高、鲁棒性强等特点,具有很好的性能与实用性。