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。     

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。     

网络考试智能组卷研究

智能组卷是网络考试研究的重要内容。本文描述了组卷的特点及各种方式,论述了遗传算法组卷的基本过程及其具体实施,从而说明遗传算法组卷具有较高的智能性、科学性。     

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.     

智能组卷考试系统中的算法分析与改进

分析了三种组卷算法优缺点的基础上,确立了遗传算法为目前最优的组卷算法,并对其存在的缺陷进行了分析与改进,最后对改进后与改进前的的算法进行了测试与比较.     

基于自适应的智能组卷方案研究

介绍了一种基于自适应的试题组卷方案，与传统的组卷方案进行了比较，并将计算机自动控制与传统组卷有机地结合起来。     

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.     

基于改进遗传算法的组卷研究

针对现有遗传算法组卷的不足,提出基于项目反应理论,并采用参数估计的方法,对遗传算法的适应度进行相应的改进,从而提高了组卷算法对学生群体的适应性．     

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。     

改进的粒子群优化算法实现多目标智能组卷

通过对粒子群优化算法和智能组卷策略的研究,建立了组卷的数学模型,阐述了基本粒子群优化算法的主要思想．提出了改进的粒子群优化算法适应度函数的设计方法和粒子迁移算法,实现了将一次多目标组合优化问题转换为多次单目标组合优化问题。     

基于遗传算法的智能组卷系统设计方法初探

针对智能组卷中用户需求多样性的特点,运用多种策略相结合的组卷方式,从算法的合理性、实用性和可操作性上加以分析和设计,利用遗传算法创建模型,用于智能组卷的方法。     

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。     

智能组卷系统的核心算法比较

从目前考试改革的进程看,考试将逐渐向人性化、自动化过渡,通过计算机进行智能组卷是其中的关键技术,而要得到优质的试卷不仅要建立合理的数学模型,还要有高效的组卷算法。该文将选用几种常用智能算法进行分析比较,力求找到一个能够提高组卷成功率,取得满意组卷效果的最优算法。     

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.     

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.     

基于大学英语网考的智能组卷方法设计

随着计算机的日益普及和互联网技术的进步,计算机辅助网考在大学英语等级考试中越来越普遍.基于目前大学英语网考组卷过程中存在的组卷问题,分析设计了智能组卷数学模型,以定量的形式表征组卷过程,结合组卷的数学模型以及相应的约束条件引入改进遗传算法,设计智能组卷算法,形成一套基于大学英语网考的智能组卷方法.通过仿真结果分析,该智能组卷方法通过优化迭代,可以快速组合理想试卷,所设计的智能组卷算法不仅组卷质量好,速度也快,很好地反映了学生的真实英语水平.     

基于改进粒子群算法的多目标智能组卷研究

组卷问题是一个多约束多目标组合优化问题。建立了一种新的组卷数学模型,提出了一种改进粒子群算法(IPSO)的智能组卷算法。在组卷之前,先采用贪婪算法进行预处理,有效提高了算法的收敛速度。在进化过程中引入保优策略,避免适应值高的粒子被淘汰。采用自适应交叉和变异算子进行调整,避免了局部收敛现象。实验结果表明,改进的粒子群算法应用在多目标智能组卷中具有较好的组卷性能。