遗传算法在自动组卷中的应用

自动组卷策略是利用计算机自动完成试卷生成的一种方案,整个过程的人工投入少,在很大程度上解放了教师,提高了工作效率。能否自动组出满足用户要求的试卷,与组卷使用的算法紧密相关。采用遗传算法,按照选择编码方式、产生初始种群、计算自适应函数、进行遗传操作、试卷生成的过程,可完成自动组卷操作。     

改进遗传算法在自动组卷中的应用

针对传统遗传算法在种群编码方案、初始种群生成、动态概率、多点交叉操作等方面做了一些改进,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。     

运用遗传算法进行智能组卷

遗传算法以其具有很好的并行性,全局优化性和稳定性,较适合解决自动组卷问题,文章讨论了智能组中如何运用该方法进行组卷,并尝试从编码方法上对遗传算法进行相关技术改进。     

基于遗传算法的组卷研究与设计

随着计算机在教育领域的普及,基于网络技术的试题库系统得到了广泛应用,系统组卷的效率和质量主要取决于其算法设计,常用组卷算法难以充分满足用户多重约束条件下的最优组卷需求。遗传算法是根据生物遗传进化思想而设计的一种计算模型,能够克服常用组卷算法的片面性、低效性,可动态、自适应地得到全局最优组卷方案,利用该算法进行了组卷研究与设计。基于遗传算法的智能组卷系统可大大减轻教师出卷的工作负担,使命题组卷更合理、高效。     

基于改进型遗传算法的智能组卷研究

本文通过分析智能组卷的目标要求,建立了智能组卷系统的数学模型,并提出了一种基于改进型遗传算法的新的智能组卷算法。通过引入两个不同的选择策略,不同的变异算子,进一步提高了智能组卷算法的效率和性能。     

基于遗传算法的自动组卷系统设计

自动组卷系统是计算机辅助教学的重要组成部分,而遗传算法以其全局寻优和智能搜索的特性,得到了广泛的运用。根据自动组卷系统的特点,将遗传算法合理应用于自动组卷中,在遗传算法中,设计了双种群机制,并以试卷难度、试卷区分度、试卷的估计用时、知识点分布为基础构造适应度函数,通过轮盘赌选择方法、多点交叉和变异,较好地解决了自动组卷的多重目标寻优问题。     

一种基于改进遗传算法的智能组卷方法研究

组卷问题是一个多约束条件的最优求解，本文在分析了传统的试题组卷算法存在短卷速度慢，成功率较低、组卷质量不高等缺点的基础上，提出了一种基于改进遗传算法的智能组卷新方法。实验表明，该方法能有效地提高组卷的效率和质量，具有较好的使用性能和实用性。     

遗传算法在试题组卷中的研究

遗传算法的应用优势在于处理传统搜索方法难以解决的复杂和非线性问题,可广泛应用于组合优化、机器学习、自适应控制、规划设计等领域,是21世纪有关智能计算中的关键技术之一。本文运用遗传算法的全局寻优对考试中自动化组卷进行研究,得到了一个适合考方要求的试题模型的好的算法。     

一种用于组卷的遗传算法的实现

本文根据组卷的特点,对试题基因进行分段,在分段内部利用遗传算法进行组誊运算,防止在组卷过程中因题型分值的约束条件对计算过程的干扰,加快了算法的收敛速度．     

智能组卷系统的研究

介绍了遗传算法的基本概念及改进遗传算法的思想,对改进遗传算法进行了理论分析,并进行仿真实验.分析了组卷系统的评价指标;最后实现了基于改进遗传算法的组卷系统.     

自动组卷在线考试系统的设计与实现

随着高等教育的深入改革,高等院校规模逐渐扩大,学生人数高速增长,专业类别逐渐增多,开设的课程数以百计,大大的增加了教务处管理人员、教师组织考试的复杂程度和工作量,甚至很多学校每年都需要提前两个月实施考试。因此,使用现代的随着计算机技术、网络技术、数据库技术,开发实现自动化的考试管理系统,已经成为许多学校管理者追求的目标,成为许多计算机工作者研究的热点。     

一种基于改进遗传算法的自动组卷算法的实现

研究了自动生成试卷所需的数据结构及参数设置,提出了利用遗传算法进行试卷生成的主要设计目标,同时对试卷生成的约束条件和适应度函数进行了细致的分析。为了有效利用遗传算法实现试卷的自动生成并达到理想的结果,对遗传算法进行了改进,并成功的应用于试卷生成过程中。实践证明生成的试卷合乎要求,具有较高的可信度并取得了良好的效果。     

基于遗传算法的组卷系统的研究

本文对网络题卷库的优势和基本特点进行了介绍,对网络考试所涉及的题库设计、组卷算法等技术进行了讨论和研究,同时在研究的基础上开发了一个基于遗传算法的网络组卷系统,并阐述了此系统的数据库结构及其应用发展方向。     

基于遗传算法的自动组卷分析与设计

组卷的效率与质量完全取决于选题算法的设计,设计一个从题库中按照考试要求既快又好地选取一组最佳解,涉及到一个全局寻优和收敛速度快慢的问题。本文运用遗传算法的全局寻优对题库系统的自动组卷进行了研究,并得到了一个能较好地满足考试要求的组卷算法。     

基于改进型遗传算法的组卷系统设计研究

传统人工考试模式相比于网络考试系统来说欠缺公平与合理性,不能充分考察学生的学习能力和知识掌握程度,因此要借助网络技术的力量来设计自主组卷系统,完成网上考试系统的改革和创新任务。在深入分析试题库结构和遗传算法的基础上,研究了两者之间的契合处,通过对遗传算法的改进来推出符合组卷策略的考试系统,完成对题型、题量、曝光度、知识点等多方面考核内容的平衡,使基于改进型遗传算法的组卷系统能真正运用于高校实际教学工作中。     

基于遗传算法的电子商务谈判模型设计

详细分析了遗传算法的原理,并且根据电子商务谈判模型系统的实际,进行种群的编码,给出相应的适应度函数.遗传算法收敛速度慢且性能不稳定,基于粒子群子代个体产生趋于最优个体的思想对遗传算法进行改进,设计出适合粒子群算法的交叉变异概率公式.在针对塑料颗粒的商务谈判中,应用这两种算法模型,结果表明基于粒子群改进的算法比遗传算法更能及时提供谈判解,节省了商务谈判的时间,提高了商务谈判的效率.     

基于粒子群优化算法组卷的研究

研究了考试系统中一个关键的技术——组卷算法,提出了应用粒子群优化算法组卷。PSO算法源于蜜蜂群觅食,是一种智能寻优算法,它首先初始化一群随机粒子（随机解）,然后通过迭代找到最优解。PSO算法组卷是一个离散性求解问题,这是对PSO算法应用上的一个扩展。     

基于遗传算法的考试系统组卷算法设计

本文分析了考试系统中的组卷问题,结合遗传算法,从算法预处理、编码方法、初始化群体、适应度函数、选择算子、交叉算子和变异算子这几个方面,详细地研究了如何采用遗传算法解决组卷问题。并且通过实验数据,与随机抽取算法和其它组卷算法作比较,说明了本算法的优越性。     

粒子群优化算法(PSO)在智能组卷中的应用

本文利用计算智能算法中的粒子群算法对组卷系统加以改进,保留了遗传算法固有的智能搜索技术和有效的寻优和收敛性,通过叠代搜寻最优值,无须太多参数调整,简单容易地实现更加智能和高效的组卷。     

无纸化考试智能组卷和试题库问题的探讨

根据无纸化考试系统的特点和要求,设计出操作简单明了快速高效的智能化组卷考试系统,系统能够根据教师提供的有关试卷的试题数量、平均难度系数、试卷所要覆盖的知识面等要求,通过数学模型的计算并结合计算机智能抽卷算法,从试题库中抽取符合出题者要求的试卷,并针对试题难度系数的难确定性,提出试题难度系数动态改变的思想,使各试题的难度系数定位在一个合理的范围内.