基于改进粒子群算法的计算机考试自动组卷方法

粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于群体智能的优化工具,通过模拟鸟群觅食行为来寻找问题的最优解。在计算机考试自动组卷的过程中,传统的粒子群算法存在收敛速度慢、易早熟收敛等问题,实际应用效果不佳。因此,提出一种改进的粒子群算法,并在此基础上进行计算机考试自动组卷平台设计。对比试验结果表明,提出的改进粒子群算法在解决计算机考试自动组卷问题上具有更高的质量和效率。

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.

三种常用智能组卷算法剖析

当今社会已经进入了信息化时代，信息传递的高速化，信息产业的多样化，信息科技的高新化已经成为全球经济和社会发展的基本特征。随着计算机应用的日益普及和深入，传统的考试方式也面临着变革，而利用计算机考试系统实现无纸化考试已经成为一种重要的考试方式。基于计算机技术的在线考试系统可以借助于遍布全球的Internet进行，因此考试既可以在本地进行，也可以在异地进行，大大拓展了考试的灵活性。试卷可以根据题库中的试题即时自动生成，可避免考试前的压题；而且可以采用大量标准化试题，在这其中从题库中的试题即时自动生成试卷是在线考试系统中最关键的一个环节，是试题库系统的重要的核心部分，决定到试卷质量的好坏。目前这种智能组卷算法比较常见有随机组卷算法、回溯组卷算法、遗传组卷算法，下面逐一剖析这几种算法的应用。

高校课程考试自动组卷算法的研究设计

为了规范高校日常课程考试,在对常用组卷算法研究与分析的基础上,设计一种组卷算法,该算法既利用随机抽取算法速度快,算法简单的优点,又借鉴了回溯算法求解的思想,提高了组卷成功率。系统采用C/S,Visual Basic及VBA技术线路,通过两年的运行测试,在题库仅有近百道题的情况下,也能完成自动组卷,降低了组卷算法对题库题量的依赖性。

通用在线考试系统智能组卷遗传算法设计

组卷算法设计是考试系统设计的核心。在分析通用在线考试系统的特点及组卷原则的基础上,首先建立一种改进的组卷数学模型;接下来依据该模型主要从编码方式选择、适应度函数的确定以及遗传算子的设计等方面详细设计通用在线考试系统采用的改进的遗传算法;最后,给出基于改进的遗传算法的智能组卷流程。应用表明,采用该算法实现的本系统的组卷功能在组卷的速度和成功率都得到显著提高,较好地满足了各类课程的组卷需求。

基于改进随机抽取策略的智能组卷算法

针对随机抽题过程中出现的重复抽选问题,设计了一种优化的数据结构,实现了无回溯快速组卷.基于该方式,抽题前预先评估已抽取试题的分布情况,确定待抽取试题的章节范围,再从其候选集合中随机抽选试题,进而有效解决组卷过程中试题分布不合理的问题.该算法已经在试题库考试系统中得到成功应用.

结合作答时间的自适应测验组卷方法

随着信息技术发展和计算机化自适应测验应用的普及,作答时间数据作为测验过程信息越来越容易获得,在心理测量领域的应用越来越广泛。将作答时间及模型应用于自动化组卷,对提高测验效率、被试能力估计精度乃至教育公平都有非常重要的意义。本文通过对自适应测验中组卷方法及研究结果进行系统梳理,全面展示结合作答时间数据的组卷方法,探究该类组卷方法对测验总时间约束、测验效率、题库安全、被试作答时间差异等问题的解决方案。对结合作答时间数据的组卷方法进行拓展,以及将研究成果应用于我国的大规模测评项目,都是未来需要探索的重要研究方向。

空军军事职业教育考试系统智能组卷方法研究

针对空军军事职业教育考试课程与人员层次复杂、地域环境复杂、组织实施不能影响作战训练等特点,采用基于多目标、多课程的大规模机考系统的智能组卷策略,提出了分层降维和分级优化的智能组卷方法,该方法在抽题组库阶段将试题曝光度控制、数据及文件加密、题库按需分发融为一体,分摊了考场考试处理的数据量;在抽题组卷阶段,采取基于负载均衡策略的考试客户端实时组卷算法,运用背包问题求解算法,通过划分组卷约束条件的级别来优化组卷算法,降低了随机启发式搜索算法的维度.实践证明,该组卷方法提高了所有类型的题库组卷成功率以及考场考试实时组卷的质量.

基于遗传算法的信息技术类课程自动组卷应用研究

研究了遗传算法在信息技术类课程组卷中的应用。应用矩阵理论的方法建立组卷的数学模型,在分析标准遗传算法基本原理和关键技术的基础上,针对组卷问题应用对标准遗传算法的编码方法、适应度函数、遗传算子和组卷策略等方面进行了设计和改进。在大量组卷实验的基础上,分析组卷实验结果,选择适合的组卷参数。实验表明,选择组卷参数提高了遗传算法的组卷效果。

在线考试系统组卷策略分析

组卷是在线考试系统建设中的重要环节。组卷是以试题为处理对象,最终形成符合用户要求的试卷。从试题库中抽取若干试题,生成一套试卷,这一过程中必须遵循一定的规则,这些规则我们称之为组卷策略。

组卷算法的研究

本文研究和探讨了试题库建设中常用的组卷算法:随机组卷算法、回溯试探法和遗传组卷算法,并对其进行对比分析。

基于背包问题的在线组卷算法

针对当前计算机在线自动组卷效率低和效果不理想的问题,提出一种基于背包问题求解的组卷算法,并改进了传统的背包问题求解思想:即按照题型和难度将试卷大包划分成试卷小包,进而分别求解,利用背包问题求解其过程。实验表明,算法可根据专家设计的组卷策略自动生成试卷,效率和成功率都是比较理想的。

基于文本文件试题库的自动组卷系统设计

文章通过一个基于文本文件试题库自动组卷系统的开发过程描述,介绍了自动组卷系统的基本要求、组卷策略、题库结构设计以及生成试卷的方法。通过自动组卷测试表明,该系统操作简单,无需使用数据库,组卷速度较快。

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。

基于差分进化算法的智能组卷研究

符合实际组卷需求的组卷问题模型和高效优质的组卷算法是实现计算机自动组卷的关键。针对当前计算机自动组卷模型在重要组卷指标上存在误差的现状,提出了一种能够满足用户精确组卷需求的改进组卷问题模型。将新出现的差分进化算法应用于所提出的模型,给出了一种新型智能组卷算法。利用不同规模的真实题库,进行了算法的模拟实验。实验结果表明,与基本遗传算法相比,该算法在组卷成功率和组卷质量方面具有更好的性能。

试题库设计和自动组卷中的几个问题

研究了试题库设计和自动组卷中的几个问题 ,详细分析了成批组卷中的试卷相互约束 。

网络考试题库自动组卷策略研究

组卷是网络考试系统的核心部分,通过组卷来决定试卷的题量、试卷的知识点分布、试卷类型及考试时间的多少。组卷系统是实现考试规范化、公平化、合理化的重要途径。因此,为了解决在网络教学平台中开发和提供功能完善的网络组卷系统这一问题,对网络考试题库自动组卷策略进行了探讨。

工程制图试题库组卷技术研究

论述了工程图学试题库的主要功能及特点。详细阐述了试题库的各种组卷方式,提出了一种构思全面、界面直观的自动组卷方案管理系统。依靠该系统用户可以选择某种方案组卷;可以预览、修改或删除系统缺省方案;可以自定义方案,从中设置试卷考题的题型、章节、题量、难度、分数等。该系统可以方便、快捷、合理地实现自动组卷。具有实用价值。

基于遗传和模拟退火算法的自动组卷系统设计与实现

本文介绍了组卷算法的数学模型和主体思想。我们从算法的合理性、实用性和可操作性上加以分析和设计,用遗传算法和模拟退火算法创建模型,用于解决自动组卷的问题,并且在Delphi平台下实现了自动组卷系统。

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%。