基于遗传与蚁群混合算法的智能组卷问题探究

论文摘要

在教学过程当中,考试是现阶段衡量学校教学质量以及学生水平的最重要的手段之一。而试卷作为考试的载体,在教育教学过程中也起着相当重要的作用。传统的组卷方式一般是采用有经验的教师手工完成,时效性与可重用性差,试卷质量的统计分析相对困难。这种方式伴随着计算机的广泛应用,弊端日益显现。因此,采用计算机实现科学、自动、高性能的组卷,成了很多学校和研究机构争相研究的课题。本文正是基于这一背景,重点研究基于遗传与蚁群混合算法来实现题库的组卷问题。本文的主要研究内容及结果如下：1.研究了组卷模型和组卷系统,并建立了一个比较合理的组卷模型和组卷系统。2.研究了遗传算法及其在组卷中的应用。遗传算法具有全局搜索能力,算法前期进化很快,但是当算法迭代进行到后期时,由于个体之间的竞争力减弱,导致进行大量的冗余迭代,效率降低。3.研究了蚁群算法及其在组卷中的应用。虽然在算法前期因为信息素的匮乏效率低下,但是进入迭代后期随着信息素的增强,算法会加速收敛。4.基于遗传算法和蚁群算法各自的特点,探讨了通过两种算法融合的混合算法,利用遗传算法和蚁群算法各自的优点来提高算法效率与智能性。事实证明,融合的算法在收敛性和寻优性上有较鲜明的优势。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的意义和目的
• 1.2 本文结构
• 第二章 智能组卷策略模型概述
• 2.1 组卷策略分析
• 2.1.1 试卷的难度分析
• 2.1.2 试卷的区分度分析
• 2.1.3 组卷中难度系数与区分度选择
• 2.2 组卷数学模型
• 第三章 智能组卷系统设计
• 3.1 详细功能设计
• 3.2 数据库设计
• 3.2.1 概念结构设计
• 3.2.2 逻辑结构设计
• 第四章 遗传算法与蚁群算法
• 4.1 遗传算法
• 4.1.1 遗传算法概述
• 4.1.2 GA的实现原理
• 4.1.3 GA应用于智能组卷
• 4.1.4 GA的优缺点
• 4.2 蚁群算法
• 4.2.1 蚁群算法概述
• 4.2.2 ACA的实现原理
• 4.2.3 ACA应用于智能组卷
• 4.2.4 ACA的优缺点
• 第五章 GA与ACA混合算法
• 5.1 算法的基本思路
• 5.2 GA-ACA中的GA设计与流程
• 5.2.1 GA整体设计
• 5.2.2 GA具体流程
• 5.3 GA-ACA中的ACA设计与流程
• 5.3.1 ACA整体设计
• 5.3.2 ACA具体流程
• 第六章 GA-ACA的实现
• 6.1 算法的数据来源
• 6.2 GA-ACA运行结果及分析
• 第七章 总结与展望
• 参考文献
• 致谢
• 附录1 GA-ACA中的ACA程序代码
• 附录2 选择算子程序代码
• 附录3 交叉算子程序代码
• 附录4 变异算子程序代码