基于EDPSO算法实现智能组卷

组卷问题是一个多重约束的组合优化问题,目前已有多种组卷策略、组卷算法都从某一方面或某几方面对智能组卷系统进行了改进和研究,并取得了一定的进展,文中基于分布估计离散粒子群算法进行了组卷.     

士兵职业技能鉴定的智能组卷方案研究

针对士兵职业技能鉴定平台在使用过程中发现的试卷质量问题,文章提出了基于改进随机抽取算法的智能组卷方案,实现了快速高效组卷。该算法目前已成功应用于士兵职业技能鉴定平台的考核系统中。     

基于线性递减系数粒子群优化算法的组卷实现

为了避免目前常用的组卷算法组卷时间长、程序结构复杂、收敛速度慢等缺陷,提出基于线性递减系数粒子群优化算法的组卷策略。通过调整惯性系数,使得步长较小,惯性权系数的变化幅度小,这种减小趋势较为缓慢的方法能够避免陷入局部最优。并对数学模型以及线性递减惯性权系数进行了理论设计,同时通过编程实现了该算法。测试结果表明加入线性递减系数后运算迭代次数明显减少,证明加入线性递减系数后的组卷策略收敛性好,能够高效准确地按照一定的预期条件进行组卷,符合预期要求。     

一种组卷策略算法

提出了合理分配试题的知识点和试题难度分布的方法，并将其运用于数学模型建立中，设计了一种以多目标优化数学模型为选题依据的智能组卷算法。     

改进的粒子群算法在智能组卷中的应用研究

考试是教学活动中一个重要的环节。根据试卷的总分值、答题时间、试题类型、试题难度、考查的知识点等约束,从试题库中抽取若干试题组合为一张试卷。为了得到一份优秀的试卷,要求试卷中的试题必须满足众多的约束,将全局粒子群算法与局部粒子群算法相混合,并且引入了遗传算法中的交叉与变异算子,很好地解决了收敛速度与局部最优的问题。将改进的粒子群算法应用于智能组卷中,经过仿真试验表明,该方法能够在满足多个约束的同时,获得比较优秀的试卷组合结果。     

基于自适应权重和模拟退火的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题,提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度,通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数,对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析,同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响,结果表明,改进的算法在测试函数的极值计算中,计算精度和收敛速度方面都有了明显提升,验证了改进算法的有效性.     

智能组卷的HSK自适应分级考试系统

在自适应分级的对外汉语考试系统(HSK)上提出了一种具有知识点最大覆盖性质的组卷算法。该算法把对知识点的覆盖、题型均衡化、自适应难度作为主要控制目标。当开始测试时,测试者可以使用系统的缺省等级,也可以自选等级,系统将依据指定的等级采用具有自适应功能的最大覆盖算法从题库中合理抽取试题组成试卷用于汉语水平测试。对比实验表明,具有最大覆盖性质的自适应试题抽取算法,对考生汉语能力的评价更为客观。     

基于遗传算法的智能组卷系统设计

传统人工组卷方式易受到教师的主观性影响,无法保障试卷质量及合理性。智能组卷系统能够快速合理的设计出优质试卷,极大地减少教师的工作量的同时,更能满足不同水平的学生个性化组卷需求。智能组卷系统具备巨大的现实应用价值。基于遗传算法设计开发了智能组卷系统。首先,基于遗传算法基本原理对系统算法模块进行设计,明确组卷策略;然后,对组卷问题特征属性和试卷评价标准等进行分析,构建智能组卷系统功能结构图,实现遗传算法智能组卷系统的设计;最后,对智能组卷系统的测试结果进行分析总结。结果表明,系统完成了智能组卷的预期目标,具有很高的运算效率。     

基于遗传算法的智能组卷应用研究

智能组卷是计算机辅助教学(CAI)中一个重要的研究课题,本文针对试卷生成的目标要求,建立了智能组卷的数学模型,并给出了用改进的遗传算法解决此问题的新方法。实验结果表明该改进的遗传算法能很好的解决试题库中智能组卷问题,具有较好的性能和实用性。     

基于Python的智能组卷设计

本文是基于Python的智能组卷设计。Python是一种近几年比较热门的计算机程序设计语言,它拥有众多的库,在各个领域里都有所应用。使用者只要学会Python的基本语法,利用Python进行办公自动化是一种高效且智能的方式。本设计通过使用Python实现科目考试自动生成试卷的全过程,从中体验Python库功能以及掌握Python在办公自动化中的应用,从而提高办公工作效率。     

组卷算法研究与实现

研究并实现了一种符合实际需求的组卷算法,它是题库建设及计算机自动生成考核试卷的核心技术。该组卷算法的目的是保证自动组卷的快速、合理并符合试卷基本要求和教师专门要求,采用的方法是反复随机筛选法,搜索本卷未抽取的试题,逐一用多个要求的条件判断该题是否符合要求,每搜索一次后若题量未够,则进行下一次搜索并放松条件（即去掉一个判断）。在对多门课程题库的多次组卷结果的分析后,该算法能很好地满足在知识点上分布平均,最近曝光度低、难度符合要求,一次抽出的各套试卷之间重复题少。该算法已应用于在电大多门课程的考核出题中,结果表明其减轻了教师的大量重复性工作,而且能保证考核的有效性和合理性。     

基于定向变异遗传算法的智能组卷算法研究

针对多目标约束条件下求最优解的智能组卷问题,建立多维约束条件的数学模型,同时为了进一步改善基于遗传算法的智能组卷算法早熟及收敛速度慢的问题,提出一种基于定向变异遗传算法的智能组卷算法,采用定向变异来提高算法的寻优能力.通过仿真实验,将该算法与基于标准遗传算法和自适应遗传算法的智能组卷算法进行比较,实验结果表明,在相同设...     

基于改进遗传算法的组卷策略与实现

为了更好地解决组卷质量和组卷速度之间的矛盾，文章提出了一种基于改进遗传算法的组卷策略．对遗传算法的个体编码、初始种群、杂交运算进行改进。实验结果表明，该算法提高了组卷速度，具有较好的实用性。     

智能组卷系统的研究

本文研究智能组卷系统,针对传统遗传算法极易未成熟收敛和后期搜索效率低的情况,引入小生境技术,提出优化的混合遗传算法,改进了组卷策略等关键技术,实验结果表明,新算法在全局搜索性能和收敛速度上有显著提高。     

自适应遗传算法在智能组卷中的应用研究

以传统自适应遗传算法为基础,提出了一种改进的智能组卷算法,基于该算法,设计并实现了一个《编译原理》课程智能组卷系统.结合实际问题建立了组卷问题的数学模型,并针对该数学模型对遗传算法的编码方式和种群最优保存策略进行了改进.改进后的算法在保证组卷质量的前提下,提高了搜索速度并且有效避免了传统遗传算法中经常出现的早熟现象.     

基于知识体系结构的组卷方法研究与应用

现有组卷算法未考虑组多份甚至数十份难度一致、知识点均衡试卷的情况,基于此提出了一种针对计算机类课程知识体系结构的改进随机组卷算法。该算法抽题前预先存取数据库中某课程试题,确定试题的抽取范围后,再从候选题集合中遵循未抽取题目的知识点优先原则,依次为多份试卷随机抽取试题。实验结果表明,基于知识体系结构的随机抽取算法与按章随机抽取算法、传统遗传算法相比,组卷效果有更好的提升。     

无纸化考试选择题随机组卷的算法设计

在计算机网环境下进行无纸化考试时,由于机房空间的限制,邻座考生之间的相互抄袭难以控制,导致考试结果的信度降低。为了有效地确保考试的客观性、公正性,提高考试信度,针对单选题的组卷问题,从试题的随机抽取、试题排列顺序的随机改变、选项位置随机排列等方面,运用软件技术,重新构建考生的试卷,给出组卷策略的算法设计。实践表明,该软件技术措施的综合应用,在较大程度上提高了考试结果的信度。     

应用遗传算法实现智能组卷

在现代教学中,计算机辅助教学(CAI)的应用越来越广泛,而智能组卷作为它的一个重要组成部分,也一直是研究的热点课题.讨论了采用遗传算法进行智能组卷的几个关键问题,研究了题库的组织、组卷算法的选取,同时给出了系统实现的部分关键代码.     

模拟电子技术试题库智能组卷算法研究与系统实现

随着现代教育技术和计算机技术的高速发展,教育领域考试的无纸化、电子化、分值科学化是发展趋势。用于课程考试与远程自学测试的电子试题库与自动组卷系统是计算机辅助教学的重要研究内容之一,其中智能组卷算法是技术关键问题。针对试卷生成目标及要求,建立了智能组卷系统的数学模型,提出了一种面向分值目标的混合组卷算法。对模拟电子技术试题库自动组卷系统进行了应用实例分析。实验结果表明所提出的方法能有效解决电子试题库研究中的智能组卷问题,具有较好的综合性能。     

高校课程考试自动组卷算法的研究设计

为了规范高校日常课程考试,在对常用组卷算法研究与分析的基础上,设计一种组卷算法,该算法既利用随机抽取算法速度快,算法简单的优点,又借鉴了回溯算法求解的思想,提高了组卷成功率.系统采用C/S,Visual Basic及VBA技术线路,通过两年的运行测试,在题库仅有近百道题的情况下,也能完成自动组卷,降低了组卷算法时题库题量的依赖性.