一种用于船舶操纵运动快速建模的混合经验法

仿真测试是验证智能船舶各项功能的重要手段,船舶操纵运动建模与仿真是实现复杂海域下多船智能避碰的关键理论基础。针对现阶段船舶操纵运动建模所需的水动力系数计算复杂且难以获取的问题,提出一种混合经验法,建立了现有回归公式的组合方法,构建了综合性能指标,通过仿真操纵试验对水动力系数组选优,并基于MATLAB研发了快速建模程序代码。结果表明:该方法能够在有限的船型参数下实现高效、便捷、自动化地生成给定船舶的操纵性运动模型,对智能船舶的仿真测试验证具有重要的工程实践意义。

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。

基于改进遗传算法的智能组卷系统的设计与实现

在建立智能组卷的数学模型的基础上,通过分段整数编码和改进的遗传算子,实现了1个智能组卷系统。实验证明,与简单遗传算法相比该算法具有较高的效率和较好的搜索效果,具有一定的实用价值。

基于一种改进遗传算法的智能组卷的研究

在智能组卷中,为了避免简单遗传算法收敛速度慢及局部收敛的问题,引入了一种改进遗传算法.该算法利用不断淘汰相似个体,并不断补充新个体的方法,达到了扩大搜索空间,稳定群体的个体多样性目的.试验结果表明,只要试题库中的试题数量适中,试题完备,分布合理,由该算法产生的试卷就能满足用户的各项需求指标.

模拟电子技术试题库智能组卷算法研究与系统实现

随着现代教育技术和计算机技术的高速发展 ,教育领域考试的无纸化、电子化、分值科学化是发展趋势。用于课程考试与远程自学测试的电子试题库与自动组卷系统是计算机辅助教学的重要研究内容之一 ,其中智能组卷算法是技术关键问题。针对试卷生成目标及要求 ,建立了智能组卷系统的数学模型 ,提出了一种面向分值目标的混合组卷算法。对模拟电子技术试题库自动组卷系统进行了应用实例分析。实验结果表明所提出的方法能有效解决电子试题库研究中的智能组卷问题 ,具有较好的综合性能。

改进遗传算法智能组卷研究

为了更有效解决智能组卷问题,针对应用型本科院校《自动控制原理》课程特点,建立了试题库并提出一种简化数学模型。同时,为了改善单纯遗传算法在组卷过程中局部搜索能力差与早熟收敛问题,在组合遗传算法基础上,对精英策略进行改进,提出一种新算法。仿真实验结果表明,与单纯粒子群算法、单纯遗传算法及其改进算法相比,新算法具有明显的优势,有效克服了未成熟收敛现象,提高了算法收敛精度与速度,具有寻优能力强、稳定性好等优点。

生丝回潮率智能化快速测试系统数学模型研究

针对传统纺织材料回潮率测试方法——烘箱法存在的测试周期长、能耗高、劳动强度大、测试效率较低等问题,以生丝为研究对象,研制开发出了生丝回潮率双模式快速测试系统。该系统能够实时记录生丝在一定温度环境烘箱烘燥过程中的质量,通过对数据结果的分析,得出烘燥时间与生丝失水质量间呈一定函数关系的规律,利用一次累加生成算子(1-AGO)等数据处理,建立了烘燥时间与生丝失水质量间的指数关系预报分析模型。根据所建立模型,烘燥周期40min内,生丝回潮率的预测结果与标准烘箱法实际测试结果间误差为2.08%。

基于改进遗传算法的智能组卷在试题库建设中的研究

智能组卷是计算机辅助教学(CAI)中一个重要的研究课题,本文通过分析组卷的各项约束指标,建立了智能组卷的数学模型,并提出了一种基于改进遗传算法的好的智能组卷算法。

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。

改进遗传算法智能组卷的研究与应用

组卷问题是一个多目标的约束优化问题,是在线考试系统的重要组成部分。通过对智能组卷建立数学模型,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。

遗传算法在试题库智能组卷中的应用

通过比较国内常用的组卷算法,遗传算法能解决选题的盲目性,并能从群体中选择更满足条件的个体,具有很强的智能性,同时它能根据不同的环境产生不同的后代,具有动态性、自适应性,从而能满足题库不断变化的要求。通过对智能组卷问题及遗传算子的研究分析,结合实际问题建立有效的数学模型,能够根据该模型从题库中按照用户给出的试卷指标选取一组最优解。开发的组卷系统经使用表明该系统具有较好的实用性和高效性,也证实所设计算法的可行性。

智能组卷中的试题难度评价建模

主要研究了网络考试系统设计中利用遗传算法进行智能组卷的问题.首先根据用户对组卷的要求,利用遗传算法对组卷所需的约束条件设置各项指标,利用矩阵理论建立有利于遗传算子进行组合交叉和变异的数学模型;再针对组卷问题中的一个重要约束条件——试卷的难度指标,采用模糊数学方法和项目反应理论对试题库中每一小题进行综合评价试题难度的数学建模,以准确确定每道小题的试题难度系数,最终为实现遗传算法全局寻优和智能搜索奠定基础.

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。

基于改进遗传算法智能组卷的研究

通过建立智能组卷数学模型,研究了改进遗传算法在智能组卷算法中的应用,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。

基于遗传算法的组卷问题的研究与设计

针对智能组卷系统的研究,应用遗传算法的知识,建立了1个基于遗传算法的智能组卷系统的数学模型。在此基础上,开发了1个基于遗传算法的智能组卷系统,该系统能够较好的满足智能组卷的需求。

基于遗传算法的智能组卷研究

通过分析以知识点、难度系数、区分度、试试卷总分和作题时间等为核心属性的智能组卷的各项约束条件,智能组卷数学模型,以实现采用遗传算法实现智能组卷的技术。

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。

基于粒子群优化算法的智能抽题策略研究

通过对智能抽题策略研究,建立了智能抽题数学模型,提出用于评价抽题效果的评价指标及其获取方法;在此基础上,考虑智能组卷过程对试卷质量的高要求以及优化参数的表示形式,文中将粒子群优化算法运用于智能抽题优化模型的求解中,取得了较好的效果.为证明该方法的有效性和优越性,与采用相同二进制编码方式的遗传算法进行比较,通过二者的适应度演变图可以表明粒子群算法(Particle SwarmOptimization,PSO)算法可以较早地达到目标的最优分配,在运行时间及抽卷优化结果上明显优于遗传算法(Genetic Algorithm,GA),能更好地适应智能抽题策略的要求.

基于基因表达式编程的计算机组卷算法研究

随着计算机技术的发展,传统的手动组卷方法难以满足新时代下的各种领域的需求,为解决传统手动组卷在性能、速度、题型分配等方面的缺陷,基于计算机技术的智能组卷问题日渐变为人们关注的问题。然而目前的组卷算法存在成功率低、计算时间久、知识点覆盖不完整、难度系数难以把握、生成的试卷难以满足要求等问题,导致了生成的试卷无法达到理想的效果。为改善上述问题,引入了基因表达式编程算法,通过使用适当的遗传算子,采用线性定长的编码方式,构造了新的智能组卷方法,避免了传统组卷算法成功率低以及适应性差等问题,解决了多约束条件下试卷的分数分配、章节分配、难度等一系列问题。实验证明,该算法有着较高的效率,能够快速地生成满足要求的试卷。

逆向工程及快速成型技术在手机外形设计的应用

随着智能制造技术的快速发展,产品设计逐步趋于智能化,快速化。使用三坐标测量仪对iPhone6手机外形进行数据扫描,得到点云数据,将经过处理的点云进行三维数据模型的重构,生成三维实体的数学模型,通过3D打印机将数学模型实体化,完成了基于逆向工程技术与快速成型技术的手机模型的智能制造。