基于粗集和粒子群的通用考试系统的设计与实现

论文摘要

通过对粒子群优化算法、遗传算法、函数S粗集、动态规划算法、Windows编程技术等的多年研究与实践，给出了通用考试系统所要解决的一系列理论和技术难题，并着重解决了三大方面的问题，即多约束组卷问题、非标准化评分问题、考试过程的管理和控制问题。具体解决方案是，应用函数双向S粗集和粒子群优化算法实现多目标组卷；应用函数双向S粗集和动态规划算法实现非标准化试题评分；应用钩子技术等实现防作弊界面控制、用第三方控件实现Word格式试题的存储与显示、应用注册表技术和消息机制实现不同编译器实时调用环境动态配置、应用数据库编程技术实现多平台数据库访问。

论文目录

• 中文摘要
• Abstract
• 第一章 引言
• 1.1 通用考试系统的通用性是多方面的
• 1.2 通用考试系统组卷必须满足多约束条件
• 1.3 通用考试系统要实现非标准化试题的评分
• 第二章 相关理论
• 2.1 粒子群优化算法
• 2.1.1 基本粒子群优化算法描述
• 2.1.2 基本粒子群优化算法流程
• 2.2 动态规划算法
• 2.3 函数 S-粗集
• 2.3.1 函数 S-粗集与它的结构
• 2.3.2 函数单向 S-粗集
• 2.3.3 函数双向 S-粗集
• 第三章 应用函数双向S粗集和粒子群优化算法实现多目标组卷
• 3.1 组卷问题的数学模型
• 3.1.1 组卷问题
• 3.1.2 数学模型及约束条件
• 3.2 基于函数 S-粗集的粒子群优化算法
• 3.2.1 基于函数 S-粗集的适应度函数
• 3.2.2 基于函数 S-粗集的粒子迁移算法
• 3.2.3 基于函数S-粗集的的粒子可能迁移图
• 3.2.4 基于函数 S-粗集的的粒子群优化算法流程
• 3.3 测试数据与分析
• 3.3.1 测试数据
• 3.3.2 测试结果
• 3.3.3 测试分析
• 第四章 应用函数双向S粗集和动态规划算法实现非标准化试题评分
• 4.1 Bellman原理的动态规划算法求距离测度
• 4.1.1 模式的距离测度
• 4.1.2 Bellman 动态规划算法
• 4.1.3 Levenstein 距离
• 4.2 实例说明
• 4.3 效果说明
• 第五章 应用Windows编程技术实现考试过程的管理和控制问题
• 5.1 应用钩子技术等实现防作弊界面控制
• 5.1.1 考试系统中防止考生作弊的问题与原理
• 5.1.1.1 窗体的控制问题
• 5.1.1.2 任务栏的控制问题
• 5.1.1.3 热键的屏蔽问题
• 5.1.1.4 屏蔽某些应用程序的智能提示信息
• 5.1.2 窗体的控制问题
• 5.1.2.1 最大化窗体并保持在所有窗体顶层
• 5.1.2.2 禁止窗体移动
• 5.1.3 任务栏的控制问题
• 5.1.4 热键的屏蔽问题
• 5.1.5 屏蔽某些应用程序的智能提示信息
• 5.2 用第三方控件实现 Word 格式试题的存储与显示
• 5.2.1 读取 RxRichEdit 控件的 RTF 文本
• 5.2.2 读取 RxRichEdit 控件的选中部分的 RTF 文本
• 5.2.3 RxRichEdit 控件当前位置写 RTF 文本
• 5.2.4 为自动导入题目分析打开的 Word 文档
• 5.2.5 自动导入 Word 题目
• 5.3 应用注册表技术和消息机制实现不同编译器实时调用环境动态配置
• 5.3.1 通过修改注册表设置 VC 环境变量关键代码
• 5.3.2 通过修改注册表设置 Java 环境变量关键代码
• 5.3.3 通过修改注册表设置 C#环境变量关键代码
• 5.3.4 运行过程中动态调用编译器的关键代码
• 5.4 应用数据库编程技术实现多平台数据库访问
• 5.4.1 多种数据库连接函数
• 5.4.2 SQL 与 Access 数据访问的主要区别
• 结论
• 致谢
• 参考文献
• 附录
• 个人简历
• 在学期间的研究成果及发表的学术论文