基于改进蝗虫优化算法的智能组卷策略

针对传统组卷策略组卷时间长、试卷质量低等问题,本文提出了一种基于改进蝗虫优化算法的智能组卷策略。首先,综合知识点覆盖率、难度系数等因素,建立多目标评价模型;其次,将试题组合方案编码为蝗虫个体,通过蝗虫优化算法寻找最优组合方案,引入最优导向与随机竞争策略更新个体位置,以增强算法全局搜索能力;结合模拟退火思想,以使算法有能力跳出局部最优;引入余弦自适应函数调整搜索步长,以提升算法收敛速度。根据最优试题组合方案,生成一套高质量的试卷。实验结果表明,基于改进蝗虫优化算法的智能组卷策略与PSO-GA相比,组卷时间降低了52%,适应度提升了19%;与传统蝗虫优化算法相比,组卷时间降低了30%,适应度提升了14%。

基于区分度的智能组卷难度正态分布算法

给出了一种依据试卷区分度确定算法参数的智能组卷难度正态分布算法。实例表明,相对于目前的通过设定组卷难度区间的概率和为1来确定算法参数,生成的试卷更好地体现了组卷难度分布设计所要求的试卷对不同考生的知识能力的区分和鉴别的考核要求。

网络考试系统智能组卷模块设计与应用

作为计算机网络考试系统核心程序之一的智能组卷模块,其设计的科学性对网络考试系统运行效果有较大影响。通过对智能组卷模块采用预设抽题单、应用随机函数、题目随机排序进行模块设计,从而实现网络考试系统的智能组卷功能。该智能组卷方法应用于昆明冶专2013年秋季26个班级的"思想政治"理论课教考分离网络考试,通过实际应用对自动生成的20份考试试卷进行分析,组卷模块产生的考试库其题目知识点覆盖面、题型分布、题目难易程度完全按照抽题单设定抽取题目,特别在试题题目独立性即题目不重复性方面,效果较好。

分段随机抽选法在智能组卷中的研究与应用

在智能组卷方案中,提出一种新的"分段随机抽选法",并用该算法与传统的组卷算法在生成试卷的效率上进行了比较,同时针对由本算法所引起的修改操作困难提出了解决方法。该系统是在Win dows环境下,使用BorlandDelphi6.0,采用ADO数据存取技术访问MicrosoftAccess数据库实现的。

集合随机抽选法在智能组卷中的研究

提出了一种基于集合的随机抽选的智能组卷算法,该算法是以集合论为基础,将智能组卷的要求形式化,将满足要求的试题组成试题库集合,采用集合随机抽取算法进行试题组卷。该算法与传统的组卷算法在生成试卷的效率上进行了比较,同时针对由算法所引起的修改操作困难提出了解决方法。将用户的组卷要求用集合的形式描述出来,满足要求的试题被组成试题库集合,采用集合随机抽取算法进行自动组卷。

基于约束满足的智能组卷方法的研究与实现

智能组卷是一个典型的约束满足问题。首先对传统的组卷问题的定量的评价准则进行了分析，说明了它在实际应用中存在的问题，引入了智能组卷的四种不同的约束类型：强约束、亚约束、柔性约束和弱约束的概念，提出了一种定性定量相结合的评价体系。针对智能组卷的约束满足问题的特殊性，该文运用启发式知识，采用了生成测试和局部修正相结合的约束满足方法，进行智能组卷，取得良好效果。文中提出的方法在国家物理试题库智能组卷系统中的应用，受到有关专家的肯定。

基于改进遗传算法的智能组卷方法

组卷问题是一个多约束多目标优化问题。建立了一种新的试卷矩阵数学模型,提出了改进的遗传算法编码方式,并通过改进初始群体的产生方法和遗传算子,有效提高了遗传算法的收敛速度,并较好地避免了局部收敛现象。实验结果表明,在试题库试题数量适中、分布合理的情况下,本算法产生的试卷能够很好满足各项组卷指标。

遗传算法在智能组卷系统中的应用研究

为更好地解决遗传算法在智能组卷过程中出现的早收敛问题,以及组卷质量和组卷速度呈负相关的问题,提出一种基于分段整数编码、多点交叉的遗传算法.通过大量实验,有针对性地对该算法中的编码结构、选择算子、交叉算子和变异算子进行优化设计;对相关控制参数进行合理调整,实验结果表明,该算法不仅有效地提高了组卷质量和组卷速度,而且具有很好的收敛性.

智能组卷系统中专家知识的表示与实现

该文对组卷问题进行了深入的研究,确定了组卷问题中一类专家知识,并给出了相应的表现形式和实现途径。实验表明,将这类专家知识应用到组卷系统中使系统能很好地模拟人的思维,实现智能组卷。

基于自适应算子的遗传算法多目标智能组卷

利用ADO.NET实现了SQL Server 2000中试题库的编辑功能,开发了题库管理软件系统框架。在遗传算法的基础上,提出了一种改进的智能组卷方法,有利于提高进化速度,避免陷入局部最优。实例分析表明,该方法具有较好的智能组卷性能。

基于遗传算法智能组卷的去重题方法

针对遗传算法智能组卷过程中出现的重题问题进行研究,提出一种重题优化策略,包括重题甄别和重题替换2个部分。该策略能快速甄别并替换试卷中的重题,同时最大限度地保留整张试卷的优势。实验数据表明,采用该策略的组卷算法能有效缩短组卷时间,同时提高生成试卷的满意度。

基于层次分析方法与人工鱼群算法的智能组卷

针对已有智能组卷方法难以满足考核要求,设计了一种基于层次分析方法与人工鱼群算法的新方法。首先根据试卷总分、考试时间、章节分数、知识点分数、题型分数、能力层次分数、试卷难度与试卷区分度八个考核要求建立多目标、多约束组卷模型;然后利用层次分析方法确定各组卷目标的权重,进而通过线性加权求和将多目标规划模型转换为单目标规划模型;最后利用改进的人工鱼群算法求解模型得到最优组卷方案。该方法适用于单套组卷与多套组卷。同时,讨论了该方法的优缺点以及发展趋势。

小生境自适应遗传模拟退火智能组卷策略研究

为了提高智能组卷质量,提出一种基于小生境自适应遗传模拟退火算法的智能组卷策略.该算法动态调整交叉和变异概率进行遗传操作,对中间种群进行小生境选择和模拟退火操作,从而增强了种群多样性,有效克服了遗传算法局部收敛和"早熟"的缺点.文章针对各约束条件建立了组卷数学模型,给出了基于期望平均分的难度分布函数和小生境自适应遗传模拟退火组卷模型.大量测试数据表明,该方法是一种有效可行且实用的组卷方法.

基于Web的智能组卷的研究与应用

针对智能组卷中基于专家知识的框架模式不能很好地解决互联网中用户需求多样性的特点,文中运用多种策略相结合的组题方式,着重从互联网用户不同的需求和提高智能组卷效率出发,智能地生成不同的试卷或者习题以满足不同需求的互联网用户。

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。

分布式遗传算法在智能组卷中的Web services实现

研究了分布式并行遗传算法的智能组卷问题。设计了在校园网范围内的分布式Web服务的组卷系统,通过多线程的软件结构实现了Web服务之间的相互调用及反馈机制,采用基于Base64的预先基因压缩方案来提高SOAP性能。仿真试验证明了分布式Web服务的组卷系统不仅可以极大地减少组卷时间、具有良好的容错能力,同时也能一次生成多套试卷,为构建B/S模式下的机器考试系统提供了依据。

基于改进遗传算法的智能组卷研究

通过在遗传算法中引入个体浓度的选择机制和记忆机制,确保了进化过程中种群内个体的多样性,避免局部收敛,保证了算法朝优化方向进化.实验结果表明改进算法能跳出局部收敛,有效避免了早熟产生和遗传退化现象出现.

基于改进遗传算法的智能组卷研究

组卷问题是一个多目标约束优化问题,采用集合论思想,将智能组卷的要求形式化,提出了一种基于改进遗传算法来进行智能组卷的方法。该算法针对传统智能算法组卷速度慢、成功率低的缺点,针对简单遗传算法的编码、遗传算子存在的问题进行了改进。实验结果表明,改进的算法在保证试题产生的质量前提下,提高了智能组卷的运行速度,具有较好的实用性。

基于优化遗传算法的智能组卷系统研究

智能组卷技术是计算机无纸化考试系统中一项必不可少的重要技术,而改进组卷算法和提高组卷质量已成为当前的研究热点.重点分析研究组卷算法,通过建立组卷数学模型,结合遗传算法理论解决考试系统中的智能组卷问题.在选择算子中采用适应度排序在前一半的个体进入下一代的繁殖;在交叉算子中采用最优保持策略;在成卷前调整试卷知识点的分布.使组卷算法在不同的要求下都能得到较为满意的效果.智能组卷在通用计算机考试系统建设中具有较高的应用价值.

基于知识点题型分布和分值的智能组卷算法研究

首先介绍了试题库的结构与建立 ,在试题库中根据知识点把所有试题进行了划分 ,同时说明了组卷控制参数知识库的结构 ,论述了由知识点的教学要求利用组卷控制参数知识推出知识点题型分布和优化调整知识点难度系数的推理机制。在此基础上 ,较详细地阐述了基于知识点的智能组卷算法及该算法应用于“全国注册建筑师考试系统”的智能组卷过程。