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.     

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,尝试从遗传算法在智能组卷中的实现上进行技术改进.以克服组卷时间慢、算法收敛快等缺陷.     

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.     

遗传算法在组卷策略中的应用

给出智能组卷数据模型,采用遗传算法中编码、初始群体、迭代等步骤,利用交叉概率、变异概率和适合度判断迭代的收敛性,并产生适合规则的群体.对比遗传算法及其他组卷策略,遗传算法在组卷次数及组卷时间上优于传统的组卷策略.     

试题组卷算法的研究与应用

试题组卷问题是一个多目标约束优化问题,拟运用遗传算法的全局寻优对考试中的自动化组卷进行研究,实现自适应遗传算法的智能组卷方案,并基于实际系统进行了算法优化,同时得到了一个解决适合学校教务要求的试题模型的算法。     

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．     

改进遗传算法在智能组卷系统中的应用

智能组卷是教育测量标准化、规范化的重要组成部分,在分析了传统组卷方法的优缺点和组卷的约束条件及目标要求的基础上,提出一种基于改进遗传算法的组卷策略,并建立了智能组卷系统问题求解的理论模型。为了快速组成难度呈正态分布的高质量试卷,通过采用分段实数编码方式和设计了遗传算法的选择、交叉、变异操作,实验结果表明,提高了算法的寻优能力及寻优速度,使算法更加符合组卷问题的特点,加快组卷速度,具有较好的实用性。     

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。     

基于需求的测试覆盖

介绍了测试用例的生成方法、测试用例集优化算法和3种具体的测试需求约简策略TRR_Sub、TRR_Greedy和TRR_Linear,从而帮助设计者如何设计出高效、实用的测试覆盖。     

基于改进遗传算法的自动组卷算法研究

在在线考试自动组卷中,为了避免简单遗传算法收敛速度慢及早熟收敛的问题,提出了基于实数编码、分段交叉、有条件生成初始种群的改进遗传算法。实践表明,改进的遗传算法能更好地解决自动组卷问题,具有较好的实用性。     

一种改进的关联规则Apriori挖掘算法

针对Apriori算法多次扫描事务数据库且产生庞大的候选集性能瓶颈,本文提出了Apriori算法的优化算法。该算法利用频繁项集产生时需要自身连接的特征,在连接前对频繁项集依据支持度由小到大进行排序,从而优化连接策略,并将其运用到描述事务数据库的布尔矩阵中。经实验证明,该算法随着事务数据库规模的扩大,较Apriori算法有明显的优越性。     

基于.NET的题库管理与智能组卷系统设计与实现

组卷算法是题库系统的核心。通过对传统的组卷方法如随机抽取法、回溯试探法、遗传算法等进行分析,进而提出一种改进的随机组卷算法,并在此基础上,采用ASP.NET、SQL数据库等技术,实现了题库管理、自动组卷、系统管理等主要功能。实践表明,整个组卷系统界面友好、功能清晰、组卷效率高,具有一定的实用价值。     

改进小生境遗传算法在组卷策略中的应用研究

组卷系统组成试卷的效率和成功率主要依赖于组卷算法.结合传统的组卷算法的优缺点,提出了一种新的组卷算法,这种算法将聚类分析、共享技术和拥挤技术有机的结合起来,可以有效的搜索多模空间的多个极值点.同时可以通过调节拥挤因子控制收敛到的生境数目,避免找到无效的极值点.这种算法无须事先确定生境的数目和生境的大小,可以适用于各种问题的优化.     

题库管理系统的研究与实现

阐述了试题命题的基本要求,并提出基于题型、难度与章节的合理三维立体关系的组卷算法.在此基础上,设计题库管理系统的后台数据库,同时对题库管理系统的题库建立、试题组卷、试卷生成、试卷分析以及系统维护等功能模块实现等做了阐述.     

基于遗传算法的在线考试系统设计

建立了基于遗传算法的智能组卷模型,介绍了遗传算法的实现流程和关键步骤,模型能满足复杂的组卷要求。     

非线性随机扰动的粒子群优化算法

在惯性权重非线性递减策略的基础上,引入小阻尼振荡函数,提出一种新的非线性递减随机扰动的粒子群算法,通过2个基准测试函数对算法性能和收敛性进行了分析.实验仿真表明：相对于标准粒子群算法,新策略加快了收敛速度,在一定程度上避免了粒子群优化算法的早熟收敛问题.     

考试系统中基于存储过程的抽题算法

介绍了考试系统中的试题抽取与组卷策略,分析了网络程序结构的设计模式、大型数据库在数据处理方面的优势及特点,在此基础上建立了考试系统数据库设计方案,给出考试中试题抽取的算法,使用存储过程完成对算法的实现．     

模型检查在测试用例生成中的应用

按照存在量词公式的证据是全称量词公式的反例的特性,通过考察时态逻辑算子,用模型检查的反例生成机制对测试用例生成技术进行研究．然后把模型检查的算法引入到软件测试领域,寻找验证的路径,生成测试用例,据此对系统进行测试．通过实例说明了测试用例的具体实现过程．