基于小生境遗传算法的自动组卷

通过对当前自动组卷方法的分析,将小生境技术引入到遗传算法自动组卷中,以期望解决遗传算法组卷的早熟问题,提出一种基于小生境遗传算法的组卷方法.该方法采用功能段结构的整数编码方式,可以克服常规采用二进制编码搜索空间过大和编码长度过长的缺点,提高求解速度和精度,同时减少迭代次数加快算法收敛.在组卷模型中以题型、题量和分值为基础,在形成初始种群和进化的过程中始终保持题型、题量和分值不变,从而简化优化目标.试验结果显示,该方法能有效限制种群中相似个体的过多复制,从而维持群体的多样性,抑制出现早熟现象,改进遗传算法在自动组卷中应用的效率,其运行时间更短,误差更小.     

基于参数估计的遗传算法组卷研究

研究了针对受试学生群体的实际能力作出能动反映的组卷算法,提出基于项目反应理论,采用参数估计的方法,对遗传算法的适应度进行改进,提高了组卷算法对学生群体的适应性.     

基于自适应遗传算法的自动组卷策略研究

随着计算机辅助教学和网络的迅速发展,在线考试将逐步替代传统的考试方式而被广泛应用.利用计算机完成自动组卷也将替代原有的人工出卷方式,成为在线考试系统的核心功能之一.本文在量化组卷需求的基础上,提出了一种基于遗传算法的自动组卷策略,将试卷抽象为染色体,每道题抽象为染色体中的一个基因,不断抽取出相应的试题组成多份试卷,最终根据用户设置的组卷参数,选择与用户期望值最接近的一份试卷,本文选取试题号作为单个基因编号对染色体进行编码,避免了解码和多余空间搜索的时间消耗,实验表明基于遗传算法的自动组卷结果较符合出卷要求.     

基于改进遗传算法的智能组卷研究

通过在遗传算法中引入个体浓度的选择机制和记忆机制,确保了进化过程中种群内个体的多样性,避免局部收敛,保证了算法朝优化方向进化.实验结果表明改进算法能跳出局部收敛,有效避免了早熟产生和遗传退化现象出现.     

基于遗传算法的组卷研究

为了克服遗传算法在自动组卷中容易早熟收敛的现象,引入局部爬山方法以及动态参数自适应调整方法进行改进,给出了算法流程图.利用改进的算法对淄博职业学院《大学英语》题库进行自动组卷实验,实验证明,改进后的算法较好地解决了原有算法的缺陷.     

基于遗传算法的自动组卷算法的研究

本文针对自动组卷问题是多目标优化问题,提出了基于遗传算法的自动组卷算法,并根据自动组卷和用户的需要对遗传算法进行了改进,并通过实验验证了基于遗传算法的自动组卷算法的性能。     

基于改进遗传算法的组卷策略研究

针对题库系统的自动组卷策略,采用分段整数编码、初始种群满足试卷部分指标,其余部分指标预设权重的改进遗传算法.在预设权重指标中,引入知识点分数分布或知识点分数分布百分比指标代替传统的覆盖率指标,结合试卷的难度系数和区分度系数指标,设计一个较为合理的个体适应度函数来评价个体;在遗传进化过程中,引入个体相似度指标来评价种群中个体的雷同程度,并给出个体相似度计算方法.     

基于遗传算法的自动组卷系统

本文讨论了遗传算法设计自动组卷系统，其方法改善了组卷效率、节省了大量人力、确保了试卷的覆盖范围和准确性、有利用于题库的及时更新和维护。     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件,建立了智能组卷系统的数学模型,并给出了改进的遗传算法求解智能组卷问题的新方法.实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题,组卷成功率高,组卷速度快,具有较好的性能和实用性.     

基于遗传算法组卷策略的研究

借用了生物遗传学的观点,通过自然选择、遗传、变异等作用机制,使用遗传算法进行组卷问题的求解,增强了个体的适应性。     

一种基于遗传算法的自动组卷算法

对传统遗传算法进行改进,提出了一种基于遗传算法的分段十进制编码,采用分段的单点交叉操作,对于个体而言,实现的是多点交叉操作,最后提出了相应的组卷算法.     

基于改进的自适应遗传算法HCGA的测试数据自动生成

针对软件测试数据的自动生成,提出了一种自适应遗传算法和爬山算法相结合的改进算法HCGA. 通过设计自适应交叉和变异算子,加强了遗传算法的前期全局搜索能力;在进化后期嵌入了爬山算法,提高了局部搜索能力. 实验结果表明,该算法在测试数据的自动生成上优于遗传算法,提高了效率.     

基于遗传算法的自动组卷的研究

介绍了自动组卷的数学模型和主体思想,讨论了运用遗传算法求解一定约束条件下的多目标参数优化问题,提出了功能块的概念,并采用了新的编码方案、交叉算子和变异算子。实践表明,改进的遗传算法能更好地解决自动组卷问题,具有较好的实用性。     

基于遗传算法的试题库自动组卷问题的研究

给出了利用遗传算法求解试题库自动组卷问题的新方法，讨论了运用遗传算法求解在一定约束条件下的多目标参数优化问题，提出了功能块的概念，并采用了新的编码方式、交叉算子和变异算子。实验结果表明，改进的遗传算法相对于其他算法更能有效的解决自动组卷问题，具有较好的使用性能和实用性。     

智能组卷的优化模型及求解的遗传算法

通过对智能组卷的用户要求和试题结构特征的分析,提出了一种智能组卷的双目标约束优化模型,同时给出了求解的一种遗传算法,最后的数值试验表明,所给算法在组卷策略上具有成功率高、收敛速度快、搜索精度高及鲁棒性强的优点。     

基于题库信息的智能组卷算法

在分析了现存的智能组卷算法的基础上,提出了基于题库信息的智能组卷算法,算法通过对题库中试题信息的充分利用,有效的提高了组卷成功率和组卷的质量。     

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法。在计算过程中，设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整，并且通过引入进化策略中的自适应高斯变异算子，对变异算子进行改进，加速了算法的收敛性。为了验证算法的可行性和鲁棒性，对一个高维多峰函数的极小值搜索问题进行了求解，并将算法进一步应用于离心叶轮的形状优化问题。计算结果表明，该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷，在收敛性和鲁棒性方面均优于传统的实数编码遗传算法。