基于遗传算法的智能组卷研究

论文摘要

随着计算机辅助教育研究的不断深入,计算机考试系统作为计算机辅助教学管理的重要组成部分越来越受到人们的关注。智能组卷算法的研究也成为计算机辅助教育中的一个重要课题。组卷问题是一个在一定约束条件下的多目标参数优化问题,采用传统的数学方法求解十分困难,智能组卷的效率和质量完全取决于试题库设计以及抽题算法的设计。在对国内外大量相关文献分析研究的基础上,本文选择遗传算法作为组卷算法。遗传算法是模拟自然界生物化机制的概率性搜索算法,其优势在于可以高效的处理传统搜索方法难以解决的复杂的非线性问题。其不受搜索空间的限制性假设的约束,具有广泛的适应性、并行性等特点。本文首先介绍了遗传算法的基本概念和理论,研究了遗传算法早熟的成因、常见预防措施及种群多样性度量方法。针对传统算法存在的早熟收敛和遗传算子无方向性的问题,在传统遗传算法的基础上,提出了一种在宏观上基于种群分割策略,在微观上基于基因库策略并引入新个体策略的改进的遗传算法。这种算法可以有效的增加群体的模式再生能力,同时也提高群体的收敛速度,从而使算法的寻优性能提高。文中对组卷过程进行了分析,形成了组卷问题的数学模型,将改进算法与组卷问题的具体情况相结合,设计了一种智能组卷系统。该系统能够按照试题类型、试题数量、知识点、难度系数、区分度、曝光度、最近出题时间、答题时间等约束条件进行快速搜索,采用了一种符合组卷问题特点的分段实数编码方法,并提出了相应的交叉、变异算子。从而找到最佳组卷方案,组出理想的试卷。并进行了实验分析,表明基于改进遗传算法的智能组卷算法组卷速度快,组卷质量较好,能够满足实际组卷需求。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.1.1 智能组卷的研究背景
• 1.1.2 智能组卷的研究现状
• 1.1.3 遗传算法在组卷问题中的应用
• 1.2 论文所做的工作
• 1.3 本文组织结构
• 第2章 遗传算法的研究
• 2.1 遗传算法的历史和应用
• 2.2 基本遗传算法
• 2.2.1 遗传算法的基本概念与构成要素
• 2.2.2 基本遗传算法的流程
• 2.2.3 基本遗传算法的一般实现描述
• 2.3 遗传算法的基础理论
• 2.3.1 模式定理
• 2.3.2 隐含并行性
• 2.3.3 积木块假设
• 2.3.4 “早熟”现象的产生
• 2.4 本章小结
• 第3章 改进遗传算法的研究
• 3.1 基本遗传算法中“早熟”现象深入分析
• 3.1.1 遗传算子对“早熟”现象的影响
• 3.1.2 “早熟”现象产生原因
• 3.2 现有改进遗传算法分析
• 3.2.1 小生境遗传算法
• 3.2.2 自适应遗传算法
• 3.2.3 其他改进遗传算法研究
• 3.3 新的改进策略提出与分析
• 3.3.1 宏观上的种群分割策略
• 3.3.2 微观上的基因库策略
• 3.3.3 微观上引进新个体改进策略
• 3.4 改进算法的流程
• 3.5 改进算法在智能组卷中的应用
• 3.6 改进算法性能对比
• 3.7 本章小结
• 第4章 智能组卷数学模型及系统建模
• 4.1 引言
• 4.2 组卷问题分析及试题基本属性
• 4.2.1 试题的难度和区分度属性
• 4.2.2 认知层次信度与效度指标
• 4.3 构建智能组卷的数学模型
• 4.3.1 试题的指标体系及试卷的成卷模式
• 4.3.2 试卷难度分布计算模型
• 4.3.3 组卷问题的目标函数
• 4.4 基于遗传算法的智能组卷中参数的确定
• 4.4.1 编码方式
• 4.4.2 选择算子
• 4.4.3 交叉算子
• 4.4.4 变异算子
• 4.5 本章小结
• 第5章 基于智能组卷的考试系统建立
• 5.1 引言
• 5.2 系统实现目标与设计原则
• 5.3 系统实施方案
• 5.3.1 实施方法与技术
• 5.3.2 智能组卷考试系统的总体结构设计及实现
• 5.4 智能组卷测试与分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢