基于进化稳定策略的单亲遗传算法求解组卷问题

在组卷问题中为了解决传统遗传算法易陷入早熟收敛的问题,在单亲遗传算法基础上,引入基于进化稳定策略,该策略的核心突变算子的构造,有目标地对最优个体进行突变操作,以达到快速扩大搜索空间、稳定群体中个体多样性的目的。实验结果表明,由该算法产生的试卷是令人满意的。

用遗传算法解组卷问题的设计与实现

组卷问题是一个多重约束目标的问题求解,为此我们设计了一个求解该问题的遗传算法,给出了分段二进制编码和针对该编码的交叉算子、变异算子的改进。实例表明该遗传算法在求解组卷问题非常有效。

一种求解组卷问题的二元粒子群算法

从一维细胞自动机模型入手,设计了一种求解二元离散优化问题的二元粒子群算法细胞自动机模型(BPSO-CA)。然后将其用来求解组卷问题,同时对BPSO-CA模型进行扩展,得到一次能产生多套有一定重复率或重复率为0的标准化试卷。仿真实验表明该模型能快速有效地完成组卷,具有较强的实用价值。

一种求解组卷问题的遗传算法

组卷问题是一种多重约束目标的问题求解 ,为此我们设计了一个求解该问题的遗传算法 ,提出了独立编码和针对该编码的组内交叉算子、组内变异算子 .通过给出的一个实例 。

基于蚁群混合遗传算法的组卷问题研究

智能组卷算法在当今教学中起到很大的作用,该算法主要是要解决多元约束条件下组卷过程中存在的多目标优化问题.本文旨在结合蚁群算法(Ant Colony Algorithms简称ACO)并行性和遗传算法(Genetic Algorithm简称GA)的可扩展性等优点来尽可能的解决组卷的优化问题.该算法的主要有两个步骤,其一是用遗传算法的搜索最优解的特性找到一个一般的可行解;其二用得到的可行解来初始化蚁群算法的信息素等值,利用蚁群算法的正反馈性的特定来优化可行解,从而得到最优解.对该算法进行了计算机自动组卷的仿真实验,结果表明该算法能够在规定时间内、多约束条件下产生一个近似最优解.

一个求解组卷问题的遗传算法设计

组卷问题是一个多重约束目标的求解问题 ,为此我们设计了一个求解该问题的遗传算法 ,提出了独立编码和针对该编码的组内交叉算子、组内变异算子。通过给出的一个实例 。

二元群智能算法求解组卷问题研究

二元蚁群优化算法(BACO-CA)及二元粒子群优化算法(BPSO-CA)作为基于概率的随机搜索智能算法,二者在寻优机理上有着显著的不同。以大规模组合优化问题组卷问题为例,通过设置算法中的参数,探讨二元蚁群优化算法和二元粒子群优化算法求解组卷问题性能的优劣。仿真实验表明,二元蚁群优化算法和二元粒子群优化算法虽然均能在多项式时间内完成组卷问题的求解,但二元粒子群优化算法在求解组卷问题时较二元蚁群优化算法具有更好的时间性能,能在较短的时间收敛到全局最优解。

应用人工生命模型Bug/BACO求解组卷问题研究

从一维Bug人工生命模型入手,通过设置细胞自动机中细胞的内部状态集合以及细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,提出Bug人工生命模型二元蚁群优化算法(Bug-BACO算法)。为解决二元蚁群优化算法"探索和利用"的冲突,引入随机扰动因子,并引入并行策略对Bug-BACO算法实施并行化处理,进一步提出Bug人工生命模型的并行二元蚁群算法(Bug-PBACO算法)。仿真对比试验表明,Bug-PBACO算法能在较短时间内解决大规模组卷问题,具有较强的实用性。

知识产权档案衍生性文件的组卷问题初探

知识产权档案是企业档案中比较新的类型，目前企业档案管理人员对知识产权文件形成特点普遍了解不多，对有关知识产权档案的收集、分类、组卷等工作流程也比较陌生，迫切希望掌握知识产权档案的组卷、赋予档号等具体管理办法，而了解、掌握知识产权文件的形成特点，是做好知识产权档案管理工作的必要前提。

PBIL进化算法在自动组卷系统中的应用

进化计算是一种搜索方法,广泛用于求解各类优化问题。PBIL算法将进化获得的知识———学习概率用以指导后代的产生,使搜索更具方向性,因而往往能取得更好的效果。自动组卷问题是一个典型的组合优化问题。文中针对PBIL算法的特点,设计了一个自动组卷求解方案,并用实验数据进行计算。结果表明:该算法计算速度快、稳定性好,尤其是在约束条件比较多的情况下,显示出算法的高适应性,是解决组卷问题较为理想的算法。

智能组卷策略的研究

考试系统中的组卷问题是一个受特定条件约束的多目标参数优化问题.通过讨论对比当前流行的组卷算法,包括随机法、回溯法、粒子群算法和遗传算法各自的优缺点,以期找到最大程度地满足用户的需求,具有合理性、科学性和较好的实用性的组卷策略.

基于遗传算法的组卷设计与实现

遗传算法作为一种基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法,可以为组卷问题的求解提供有效的途径。在充分借鉴背包问题的设计思想基础上,将试题转化为基因编码,通过遗传算法对基因进行编码,将实际问题中的试题转化为计算机可以识别的变量,然后采用二进制编码方法设计一套在线考试系统,并通过数值实验说明该系统具有很好的可行性和有效性。

蚁群混合遗传算法的研究及应用

为解决组卷过程中在一定约束条件下存在的多目标优化问题,结合蚁群算法和遗传算法各自的优点和它们融合的基础,提出了一种蚁群算法融合到遗传算法的策略:在组卷的前阶段利用遗传算法群体性全局搜索能力,快速形成初始解,在满足终止遗传算法的条件后,将遗传算法调度的较优解转化为蚁群算法所需要的初期信息素,然后利用蚁群算法所具有的正反馈、高效等特点快速形成试卷最优解。实践结果证明此算法改善了试卷的质量以及系统的运行效率,生成的试卷符合要求,达到预期的结果。