基于改进微粒群算法的组卷系统

论文摘要

随着计算机技术的不断发展,将计算机技术应用于教育领域成为新的热点。如何使用高效,智能的算法,使组卷变得更随机,更正确,从而减轻出卷者的压力是当前一大难点。目前虽然已经有多种算法在实践,但是由于计算机组卷问题的约束条件太多,而且各种算法在组卷过程中显现出较大局限性,促使笔者继续研究其它算法组卷的可能性。本文研究了国内外大量的组卷算法和组卷系统,重点对智能组卷的算法进行了深入的研究。文章首先介绍了自动组卷产生的背景,以及国内外的发展情况。研究了多种组卷算法,并分析了他们的优缺点。组卷的过程由多个指标构成:如时间,区分度,题型,难度等,然后分析各个指标之间的关系,提出相应的数学模型,最终得到组卷的目标函数。目前,作为比较通用的组卷算法,微粒群算法是一个效果相对较好的算法,本文介绍了该算法的特点,研究背景。并将该算法和其他算法进行了各方面的比较,该算法有很多优点,但也有一些缺点,比如采用该算法的组卷系统能够很快得出局部最优,但也容易陷入局部最优。到后期,该算法的收敛速度会变得比较慢。因此本文对该算法进行了改进,引入了动态惯性权重等,改进后的算法收敛速度明显加快,在全局上的搜索性能也大幅提升。通过分析和改进微粒组卷算后,作者设计并实现了一个应用了该算法的智能组卷系统,该系统使用了目前比较热门的jsp技术来进行编码。本文不但组卷算法进行了研究,提出了一种改进的算法,还实现了一个组卷系统,并对组卷系统进行了大量的测试,来验证改进后的算法是否在各个方面是否有提升,实验证明该算法速度快,随机性好,组卷结果质量高,符合组卷前的预期设定。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要工作
• 第二章 组卷的建模
• 2.1 组卷原则
• 2.2 组卷算法
• 2.3 试题的参数
• 2.4 试题属性
• 2.5 试卷模式
• 2.5.1 难度-分数分布
• 2.5.2 区分度-分数分布
• 2.5.3 知识点-分数分布
• 2.5.4 题型-分数分布
• 2.5.5 认知层次-分数分布
• 2.5.6 答卷时间-分数分布
• 2.5.7 试题分数-分数分布
• 2.5.8 偏差的计算
• 2.5.9 目标函数
• 2.6 总结
• 第三章 微粒群算法
• 3.1 智能算法
• 3.2 微粒群算法
• 3.2.1 微粒群算法背景
• 3.2.2 微粒群算法的定义
• 3.2.3 微粒群算法的原理
• 3.2.4 全局模型和局部模型
• 3.2.5 微粒群算法分类
• 3.2.6 其他智能算法
• 3.3 微粒群算法的改进
• 3.3.1 带惯性权重的粒子群算法
• 3.3.2 带遗传思想的微粒群算法
• 3.3.3 基于动态领域改进的微粒群算法
• 3.3.4 解决离散问题的微粒群算法
• 3.4 总结
• 第四章 改进的微粒算法的设计及测试
• 4.1 算法的目的
• 4.2 组卷的步骤
• 4.3 组卷的参数分布
• 4.4 组卷思想
• 4.5 算法的改进
• 4.5.1 加入动态惯性权重
• 4.5.2 全局最优解变异
• 4.5.3 引入选择机制
• 4.5.4 编码方式
• 4.6 对基于遗传算法的微粒群的改进
• 4.6.1 算法流程
• 4.6.2 按题型分段编码
• 4.6.3 适应度函数
• 4.6.4 全局最优解变异
• 4.6.5 选择算子
• 4.6.6 动态惯性权重ω
• 4.6.7 算法的终止条件
• 4.6.8 冲突解决方法
• 第五章 基于改进微粒群算法的组卷系统的实现
• 5.1 系统开发环境
• 5.2 系统设计
• 5.3 数据库设计
• 5.5 各功能模块设计
• 5.5.1 用户管理
• 5.5.2 题库管理
• 5.5.3 试卷管理
• 5.5.4 考试管理
• 5.5.5 成绩管理
• 第六章 测试分析
• 6.1 选择和变异对测试结果的影响
• 6.3 POPSIZE 对算法的影响
• 6.4 c1 对算法的影响
• 6.5 c2 对算法的影响
• 第七章 总结
• 致谢
• 参考文献