智能组卷系统的研究与实现

论文摘要

随着互联网和计算机技术的发展,教育领域与计算机技术更加紧密地结合,越来越多的教学内容正在电子化和网络化,在教学活动中一直扮演重要角色的考试环节也发生了巨大的变化,使用计算机化的考试系统可大大缩短考试周期,减少教师重复劳动,提高工作效率。而其中的智能组卷系统能提高试卷质量,增加考试的科学性和客观性。在智能组卷系统中,一个非常重要的课题是怎样在已生成的试题库中根据教师和教学的要求自动生成试卷。目前已经出现了多种算法用于自动组卷,有优先权算法、随机抽取算法、回溯试探算法、遗传算法等,这些算法在大解空间、多峰值的问题上往往容易陷入局部最优或算法复杂度过高。论文首先分析了试卷的评价指标、各项指标的作用及几个重要指标间的关系。在此基础上采用各种指标的加权和构建了组卷的总体评估函数。然后针对传统遗传算法的后期搜索效率低并极易出现未成熟收敛的情况,提出了一种渐进式遗传算法,该算法包括了组卷策略、编码方案、适应度函数的确定,选择交叉变异算子及遗传算法的实现等。并将混沌理论引入到遗传算法的交叉操作和选择操作中。通过实验对渐进式遗传算法的全局搜索性能、效率和有效性进行了验证。实验表明,进式的遗传算法在全局搜索性能及收敛速度上较传统遗传算法有显著提高。论文最后采用C#和Access数据库,设计并实现了相应的基于渐进式遗传算法的组卷软件,并且进行了大量组卷测试。测试结果表明渐进式遗传算法组卷速度快,组卷质量较好,组卷成功率也高于传统遗传算法,该算法是合理、有效的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 智能组卷系统研究的目的及意义
• 1.2 智能组卷算法的研究现状
• 1.2.1 优先权算法
• 1.2.2 随机抽取算法
• 1.2.3 误差补偿算法
• 1.2.4 回溯试探算法
• 1.2.5 遗传算法
• 1.3 本文的主要工作
• 第二章 组卷的评价体系与数学模型
• 2.1 组卷的基本原则
• 2.2 衡量试卷质量的几个重要属性指标
• 2.2.1 试题的难度
• 2.2.2 试题的区分度
• 2.2.3 认知层次
• 2.2.4 难度与区分度、认知层次之间的关系
• 2.3 组卷模式约束
• 2.4 试卷的总体评估函数
• 2.5 本章小结
• 第三章 智能组卷系统算法的研究
• 3.1 遗传算法的运算流程
• 3.2 基于遗传算法的智能组卷算法
• 3.2.1 分段实数代号编码
• 3.2.2 选择算子
• 3.2.3 段间交叉算子
• 3.2.4 变异算子
• 3.3 混沌遗传算法
• 3.3.1 遗传算法早熟收敛的成因
• 3.3.2 基于混沌理论的遗传算法
• 3.4 渐进式遗传算法
• 3.4.1 算法思想
• 3.4.2 算法仿真
• 3.4.3 渐进式遗传算法在智能组卷系统中的应用
• 3.5 本章小结
• 第四章 智能组卷系统的设计
• 4.1 系统需求分析
• 4.2 系统功能模块的设计
• 4.2.1 系统管理模块的设计
• 4.2.2 用户管理模块的设计
• 4.3.3 科目管理模块的设计
• 4.2.4 试题库管理模块的设计
• 4.3.5 智能组卷模块的设计
• 4.3 数据库的设计
• 4.4 组卷算法的流程图
• 4.5 本章小结
• 第五章 智能组卷系统的实现
• 5.1 系统的开发环境
• 5.2 用户管理模块
• 5.3 科目管理模块
• 5.4 试题库管理模块
• 5.5 智能组卷模块
• 5.5.1 组卷指标设置
• 5.5.2 组卷结果
• 5.5.3 渐进式的二阶段遗传组卷算法
• 5.5.4 具体的遗传操作
• 5.5.5 个体的适应度评价
• 5.6 系统测试
• 5.7 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果目录