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。

新型组卷策略的研究与实现

结合国内远程教育中考试系统的开发经验,对目前常见的几种传统组卷策略进行了分析和研究。在与相应的试题库结构组合的基础上,提出了一种新型组卷策略,该策略能够克服传统组卷方法存在的不足。该系统以ASP.NET技术为开发环境,采用B/S模式代替传统考试系统的C/S模式。实践结果表明,该策略实现了智能化考试,真正实现了自适应远程教育的目标。而且在功能上具有更高的可靠性、有效性、数据冗余度小等特点,为现代远程教育做出了一定的贡献。

基于遗传算法的智能组卷方案研究

组卷问题是一个多目标约束优化问题,为了快速组成难度呈正态分布的高质量试卷,就必须降低约束目标。文章提出一种基于遗传算法的智能组卷方案,采用十进制分段编码,改进了传统的初始化种群方法,优化了搜索过程。实验证明该方案具有较好的性能和实用性。

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。

智能化远程考试系统的研究与实践

智能化远程考试系统是远程教育系统的重要组成部分,是实施个别化教学的有力工具,具有广阔的应用前景。该文给出的考试系统模型提供了四大功能模块,形成了强大的试题库建设管理与完整的试卷智能生成、自动跟踪阅卷、综合智能评价、数据智能分析以及学习指导等功能,具有很强的学科通用性,是改革传统考试形式和实现考试系统智能化控制的一种新的探索。

基于粒度合成计算的智能组卷策略研究

智能组卷是一个典型的基于关系数据库多约束满足的问题求解过程.提出了基于粒度合成计算原理的组卷策略,该策略通过形成题库的不同粒度空间,将试卷的多指标约束按优先权进行分级考虑,最后根据粒度合成算法实现智能组卷.实验结果表明该策略是十分有效的.

智能化专家系统试题库的实现途径

试题库建设是课程建设的组成部分,是实现教考分离的基本前提,是稳定考试命题水准的重要手段,同时也为方便学生复习备考提供参考依据。现有的试题库多为试题集,功能简单,智能化与自动化水平低,往往需要人工干预,为此,提出了一种智能化专家系统试题库的构想,可根据试卷评价指标体系要求自动生成试卷及其评估报告,其原理和方法具有普遍意义。

航空兵部队航理智能组卷系统设计

针对航空兵部队航理考核的多机种、多专业、多层次的特点,该系统基于ADO数据访问接口,采用了VB面向对象编程技术设计。提出了一种基于试卷配置表设定试题属性矩阵的方法,采用试题分值和专业占比优先的组卷策略,通过自动组卷和人工干预组卷方式,实现了航空兵部队航理考核试题的智能组卷。应用结果表明,该系统操作简单,运行稳定,组卷效果良好。

智能组卷系统中的组卷策略研究

智能组卷要满足多重约束目标,它们不是孤立存在的而是相互联系和制约的。文章在研究了目前普遍使用的组卷算法后,提出的组卷策略和算法能够有效的解决多约束目标的满足问题,实验证明此策略有较好的组卷性能。

试题库系统及组卷策略

使用试题库系统提高考试的稳定性,实施考教分离,是当前教学改革的必然要求。介绍了一个试题库系统的设计与实现方案,包括系统的功能结构、试题库结构及试卷的自动生成机制。

基于遗传算法的智能组卷问题研究

本文在分析了组卷目标要求的基础上,建立了智能组卷问题的理论模型并建立了与之相应的模拟题库,提出了一种个体交叉率和变异率随种群多样性自适应调整的遗传算法来解决组卷问题。算法采用了基于题型的十进制分段编码,段内进化算子和误差加权适应度评估方法。实验结果表明,新方法的组卷质量和收敛速度都得到明显提高,并且较好的克服了标准遗传算法容易陷入局部最优解的现象,取得了较满意的组卷效果。

改进的基于知识点均衡的智能组卷方案

针对当前在线考试基于知识点智能组卷的需求,分析了现有的基于知识点组卷方案存在的问题与不足,提出了一种改进的基于知识点均衡的智能组卷方案。首先介绍了知识树的建构方法,然后对试题库结构进行了研究与设计,进而具体论述了知识点均衡策略,最后对算法的实现作了整体阐述。

改进遗传算法对医学题库组卷问题的应用研究

对含分支题的医学题库进行研究,并对遗传算法做了改进,提出了占位符编码方案、扩位交叉算子和重题优化策略。占位符编码方案能分段定长编码的同时累计各题型段的实际分支题量;扩位交叉算子能智能扩展落在分支题段的交叉点,避免因分支题段局部交叉而出现重题和实际分支题量与条件不符等情况;重题优化策略能快速替换重题,有效缩短组卷时间。仿真结果表明,改进的算法能适应不同题型,在不影响一般题型段抽取与进化的同时,精确控制分支题段的总分支题量和质量,是解决医学题库智能组卷问题的一种有效途径。

仿生智能算法在自动组卷策略中的应用

随着计算机辅助教学的发展,自动组卷策略已成为目前研究的热点与难点。自动组卷策略是自动组卷系统的核心,目前流行的智能算法如:遗传算法、蚁群算法、鱼群算法及微粒群算法广泛被应用于自动组卷系统中来解决组卷策略。

分段随机抽选算法在工程图学智能试题库系统设计中的应用

工程图学试卷以图形为主,针对其出卷难的问题开发了基于VB的工程图学智能试题库系统;本文重点讨论了工程图学的自动组卷策略和分段随机组卷算法,该算法可根据设定好的难度系数进行自动组卷,成功率高、方便快捷。

改进遗传算法的试题智能组卷方法

对传统遗传算法在初始种群选取、遗传算法编码、适应度函数设计、遗传算子的自适应设计等方面进行了改进,提出一种改进遗传算法的试题智能组卷方法.仿真实验结果表明,改进的遗传算法在组卷时提高了在题库中搜索的效率和准确性,有效地解决了智能组卷中的多条件约束优化问题,提高了组卷效率和成功率.

基于元胞遗传算法的智能组卷的研究

智能组卷是一个包含多重约束条件的目标优化问题,遗传算法的群体搜索策略可以为多目标优化提供较好的解决方案。但传统的遗传算法在组卷过程中存在收敛速度慢、收敛性较差等缺点,组出的试卷质量不高。提出一种新的元胞遗传组卷算法,将群体中的所有元胞按照一定的演化规则演化之后,再进行遗传操作,并把该算法应用到智能组卷中。实验结果表明,新的元胞遗传组卷算法与传统的遗传组卷算法相比,可以有效地提高收敛速度,并能进一步改善收敛性,组出的试卷更加符合人们的要求。

基于网络环境的教学评价系统的设计与实现

经过深入的研究和详细的分析，论文设计并实现了一个基于B／s结构的，以ASP技术和SQLServer2000后台数据库为基础的，具备题库管理、智能组卷、在线考试、阅卷、成绩查询等功能为一体的网络教学评价系统。此评价系统为网络教学的实施提供了有效的教学检验手段，对促进教育社会化和现代化有着重要的现实意义，其解决方案可以广泛应用于网络化教育领域。

在线考试系统智能组卷策略研究

表明智能组卷在考试系统中的核心地位,介绍组卷策略的基本要求,对智能组卷的策略进行了分析和研究,提出两种实现组卷策略的算法变换方式:相对评价组卷和绝对评价组卷。