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。

多种人工智能算法的数据库技术课程自动组卷比较

在线考试被广泛应用在远程教育上,自动化组卷是在线考试的关键技术,组卷问题即是多目标期望值的求解问题,其往往存在多个解,人工智能算法对于求解多目标函数有明显优势.采用遗传算法及蚁群算法的多目标优化求解更加高效,能更好胜任于本文数据库技术课程的自动化组卷.在讨论人工智能算法在组卷应用基础上,构建了组卷指标体系,建立多目标约束数学模型,并对多目标期望值进行优化求解.多次实验结果论证表明,人工智能算法的成功率最高,平均达到98%以上(含蚁群算法100%,遗传算法96%),而非人工智能的算法成功率较低,随机变量法62%,回溯试探法84%.应用人工智能方法特别是遗传算法和蚁群算法,提升了自动化组卷效率,满足了实际各种组卷的需要,使其在远程教育和在线考试中有很好的应用前景.

基于遗传算法的智能组卷应用研究

智能组卷是计算机辅助教学(CAI)中一个重要的研究课题,本文针对试卷生成的目标要求,建立了智能组卷的数学模型,并给出了用改进的遗传算法解决此问题的新方法。实验结果表明该改进的遗传算法能很好的解决试题库中智能组卷问题,具有较好的性能和实用性。

智能组卷系统的研究与实现

分析影响组卷的成因遴选了组卷的因素,采用数据库初始化技术,应用改进的遗传算法实现了组卷系统。一系列实验仿真结果显示,改进算法在实际组卷中确实在组卷效率、组卷结果等方面优于传统算法。

一种基于知识点的遗传算法组卷的改进应用

一个自动组卷系统的组卷效率和组卷质量取决于算法和试题数据库的结构.本文针对库结构和算法进行改进,提出基于知识点约束的分题型试题库结构及分组实数编码的遗传算法,采用具有自适应性的交叉和变异遗传算子,成功解决了多目标随机搜索时易产生死区和死循环的问题,提高了搜索速度和效率.根据试题的难度和试题的时间对试题进行赋分,并以每个知识点的分值之和占试卷总分值的比例作为知识点搜索条件,加入到适应函数中,使知识点定位更加合理准确.

某多管火箭武器射击密集度试验减少用弹量研究

研究多管火箭炮非满管射击密集度试验方法及仿真技术,提出了一种新的减少多管火箭密集度试验用弹量的试验方法。基于虚拟样机的动力学仿真技术和多岛遗传算法(MIGA)理论,建立多管火箭炮发射动力学参数化仿真计算模型,将其集成在多学科优化设计软件ISIGHT框架中,采用MIGA作为优化控制策略,形成了基于等起始扰动偏差思想的多管火箭炮非满管装填射击密集度试验方案。对满管齐射和非满管连续射击方案的起始扰动和射击密集度进行仿真计算。仿真结果表明,两种方案起始扰动相同,系统密集度预测值满足F检验条件,证明提出的非满管装填射击密集度试验方案是完全可行的,形成的非满管连续射击密集度试验方案可减少试验用弹量41.7%.

基于遗传算法的自动组卷策略

自动组卷是一个多约束条件的最优求解问题,传统组卷算法存在速度慢、成功率低、组卷质量不高等不足,已不符合现行要求。为此,文中采用整段交叉,段内变异的方法,通过确定适应度函数和遗传算子探索了遗传算法在自动组卷中的应用,在一定程度上克服了已有算法的不足,并用算例验证了其有效性及适用性。

遗传算法在自动组卷中的应用

自动组卷是网络考试系统的核心功能,组卷成功与否决定了考试的质量。为了提高网络考试系统中抽题组卷的性能,对遗传算法的基本要素进行了研究,设计了一种基于遗传算法的抽题组卷算法,实验数据表明,该算法具有较好的使用性能和实用性。

基于遗传算法的组卷系统的研究

本文对网络题卷库的优势和基本特点进行了介绍,对网络考试所涉及的题库设计、组卷算法等技术进行了讨论和研究,同时在研究的基础上开发了一个基于遗传算法的网络组卷系统,并阐述了此系统的数据库结构及其应用发展方向。

试题库设计与自动组卷方法分析

对试题库与自动组卷算法结合进行研究,分析随机选取法和回溯试探法,对遗传算法进行介绍,并将遗传算法运用到试题库中,通过运用遗传算法设计从试题库中抽取合理试题。

决策理论在多目标自动组卷系统中的应用

在多目标自动组卷系统中,由于目标间存在一定的关联性,当使用遗传算法解决自动组卷问题时,加入决策理论分析方法,可以将多目标问题进行必要的简化,提高组卷的效率,通过MATLAB软件进行仿真验证结果。采用VB与ADO相结合的技术实现组卷系统,特别给出决策理论核心代码及相关软件界面。融入决策理论的多目标遗传算法是解决多目标自动组卷系统的应用典范。

基于SaaS模式的分布式在线考试系统设计

纸质考试命题组卷以人工为主,试卷知识点、考题类型等组卷因素需要人为把控,存在组卷效率低下的弊端。设计基于SaaS模式的分布式在线考试系统,系统核心业务中的题库管理模块构建自身属性的考试题库,学生登入系统后在考试模块中选取考试科目,题库管理模块根据学生选取的科目,在题库里采用基于改进遗传算法的智能组卷算法组卷后返回至考生页面,考试后学生和老师可在信息查询统计模块中查询成绩。实验结果表明,所设计系统组卷耗时为9.35ms,组卷成功率高达100%,组卷效率与组卷质量较高;和同类型考试系统相比,具有响应速度快、承压能力好的优势,得到多数考试机构的认可。

基于动态自适应技术遗传算法的智能组卷策略

为克服经典遗传算法求解智能组卷时存在的盲目搜索、收敛速度慢和个体易"早熟"等缺点,文章提出了基于动态自适应技术遗传算法。利用求解问题的特征改进经典遗传算法的多个关键部分,采用动态自适应技术,提高算法的寻优速度。实验结果表明,采用改进式的自适应遗传算法实现的组卷策略具有收敛速度快、搜索精度高、鲁棒性强等特点,具有很好的性能与实用性。

基于遗传算法的组卷系统的研究

介绍了计算机自动组卷系统的设计方法,并对遗传算法在计算机自动组卷系统中的应用进行了探讨,给出了基于遗传算法的组卷系统的实现方法。

基于遗传算法的智能组卷的研究

智能组卷是计算机辅助教学(CAI)中一个重要的研究课题,本文针对试卷生成的目标要求,建立了智能组卷的数学模型,并给出了用改进的遗传算法解决此问题的新方法.实验结果表明该改进的遗传算法能很好的解决试题库中智能组卷问题,具有较好的性能和实用性.

基于自适应遗传算法的抽题组卷策略

为克服经典遗传算法求解智能组卷时存在的盲目搜索、收敛速度慢和个体易"早熟"等缺点,文章提出了基于动态自适应技术遗传算法。利用求解问题的特征改进经典遗传算法的多个关键部分,采用动态自适应技术,提高算法的寻优速度。实验结果表明,采用改进式的自适应遗传算法实现的组卷策略具有收敛速度快、搜索精度高、鲁棒性强等特点,具有很好的性能与实用性。