欢送离开沙龙娱乐,分享知识,发明代价。
效劳热线:  4000444813
以后地位:沙龙官网 > 论文大全 > 根底迷信 >

基于遗传算法的组卷算法研讨2017-09-21 16:33:51

择要  随着对盘算机辅佐教诲不时深化地研讨,组卷零碎越来越遭到学者的存眷。组卷题目可以看做是一个在肯定束缚条件下的多参数优化题目,此中的中心是智能组卷框架的设计,对组卷的质量和服从都有着间接的影响。
传统的组卷算法每每具有乐成率低、组卷耗时长且试卷质量不初等缺乏,其天生的试卷通常不克不及满意需求。针对这个题目,本文在研讨少量相干文献的根底上,接纳遗传算法树立了一个高效的智能组卷模子。遗传算法经过模仿生物机制,可以完成对庞大的非线性题目的高效搜刮。它没有搜刮空间限定性的束缚,能更好地满意智能组卷的需求。
本文针对传统遗传算法存在的收敛速率慢和容易在全局寻优呈现的早熟题目,提出一种改良的遗传算法。改良的遗传算法应用分组天然数编码战略,间接防止了集体解码,大大进步了运转服从,且有较好的鲁棒性。本文树立了基于改良的遗传算法的智能组卷模子。实行后果标明,本文提出的基于遗传算法的组卷模子,在组卷乐成率和服从上都有明显的进步,能满意组卷的实践需求。
要害词: 遗传算法  智能组卷 试卷天生


Abstract  With the in-depth research of computer aided education, test paper generation system has obtained the increasing attention of scholars. Test paper generation can be regarded as a multi-parameter optimization problem under a certain constraint condition, and the design of the framework of intelligent-generating test paper is the core,  which has a direct impact on the quality and efficiency of test paper generation.
The traditional methods of test paper generation have the deficiencies of low success rate, time consuming, and the low test paper quality, while the generated test paper cannot meet the demand. To address this problem, based on the research on the large number of related literatures, this thesis employs the genetic algorithm and build an efficient model of intelligent-generating test paper. Genetic algorithm can achieve efficient search of complicated nonlinear problem by simulating biological mechanism. It has no search space restrictive constraints and better meets the needs of intelligent-generating test paper.
Aiming at the existing slow convergence speed and the premature problem in global optimization of traditional genetic algorithm, this thesis proposes an improved genetic algorithm. The improved genetic algorithm adopts the coding strategy of grouping natural number, which can directly avoid the individual decoding, greatly improve the efficiency, and has good robustness. The frame of intelligent-generating test paper based on the improved genetic algorithm is built. The experimental results show that the proposed intelligent-generating test paper model based on the improved genetic algorithm has the significant improvement on the success rate and efficiency and can meet the practical requirements of test paper generation.
Keywords: Genetic Algorithms, Intelligent-generating test paper,  Test paper generation
 
 
 
 
 
 
 
 
 

 
目  录
 
 
择要 I
ABSTRACT II
目次
1弁言 1
1.1课题研讨配景及意义 3
1.2国际外研讨近况 3
1.3本文构造构造 3
2 基于遗传算法的智能组卷概述 5
2.1 智能组卷的根本准绳 7
2.2 智能组卷的目标体系 10
2.3 遗传算法的沙龙娱乐实际根底和要害技能 10
2.4 本章小结 10
3 基于改良的遗传算法的组卷框架 5
3.1 遗传算法的改良 10
3.1.1 改良遗传算法编码设计 7
3.1.2 种群初始化 10
3.1.3 顺应度函数确实定 10
3.1.4 遗传算子的设计 10
3.1.5 算法停止条件 10
3.2 基于改良遗传算法的组卷流程 10
3.3 本章小结 10
4 零碎完成和功能剖析 5
4.1 智能组卷零碎模块设计 10
4.2 智能组卷测试与功能剖析 10
4.3 本章小结 10
5 结论 71
参考文献 93
附录 96
致谢 98
 


1 弁言
1.1  课题研讨配景及意义
随着盘算机在种种范畴的普遍使用,智能盘算机辅佐讲授己逐步开展成为一门集教诲学、心思学、哲学、学习沙龙娱乐实际、传达学、信息论、控制沙龙娱乐实际、零碎论、盘算机迷信、数学、电子等多学科知识于一身的新兴穿插学科,并遭到各囡教诲界的普遍注重。题库中的智能组卷算法又是智能盘算机辅佐讲授
范畴中的一个紧张课题,具有极大开展空问和紧张的研讨代价。智能组卷是测验零碎主动化操纵的中心目的之一,它是依照教员和讲授的要求,由盘算机主动从试题库中选择试题,构成契合要求的试卷,它是智能盘算机辅佐讲授的紧张构成局部。智能组卷算法是智能盘算机辅佐讲授的一个要害性题目,它是将人工智能技能与教诲专家的组卷知识和经历相联合,由盘算机来完成试卷内容的设计,并使天生的试卷到达专家级程度的一项适应智能盘算机辅佐讲授开展的智能组卷完成进程。测验是讲授进程中的一个紧张关键,是查验先生学习成果和讲授结果的紧张手腕,同时也为教员改良讲授办法、进步讲授质量提供了须要的信息。传统测验次要接纳纸上做答的方式,教员在讲授进程中需求破费少量的时问和精神停止试题搜集、试卷体例、修改试卷和测验剖析等任务,不光任务量大并且服从低,相比于传统的纸笔测验,智能组卷零碎具有如下特点:题库会合办理、共享运用。任课教员依据经历停止试题的添充、更新和修订,由一致的威望机构来停止维护和办理。题库同时具有普遍与广泛的运用代价。具有疾速和高效的长处。   
传统测验中,教员要预备一次测验,搜集材料,选考题的任务量非常沉重,而运用了组卷零碎,可以大大进步任务服从,延长测验周期。智能和迷信的组卷方法。测验要到达预期的结果,需求有一份高质量的试卷来测试考生。要失掉一份满意用户要求的试卷,需求迷信的组卷办法。本课题是为理解决现有盘算机警能组卷零碎难以更好地满意实践测验需求这一题目提出的,设计并完成了一种基于改良遗传算法的智能组卷办法,对智能组卷技能做进一步的研讨将对促进智能组卷的实践使用具有十分积极的意义。
1.2 国际外研讨近况
美国人于20世纪60年月起首将盘算机用于教诲检验开端多年来盘算机辅佐检验零碎失掉了敏捷的开展。在80年月,人们将零碎使用于大范围品级测验,构成了盘算机品级测验零碎,典范的有美国的研讨生退学测验、工商办理类研讨生退学测验等[1]。
在基盘算机自顺应测试零碎中,组卷算法的设计与完成是题目求解的要害,是人工智能最陈旧、不断吸引国际外专家学者研讨的题目。组卷题目触及算法剖析、数学建模、优化控制、人工智能等诸多范畴。
近十几年来,为了适应教诲古代化的开展趋向,我国也自主开辟研制了一些智能组卷零碎,此中具有代表性的有西安交大等结合体例的初等学校工科大学物理课程试题库零碎、清华大学等结合体例的初等学校工科初等数学课程试题库零碎、山东省高教自考办公室等结合体例的初等数学题库零碎以及天下盘算机品级测验零碎等等。
20年月中前期,荷兰的林顿等人针对组卷题目的特点率先把随机线性计划法引入检验体例范畴,颠末十几年的开展,发生了多种以线性计划为根底的主动组卷战略。此中具有代表性的有优先权战略、弱并行战略、偏差赔偿战略、随机抽题法及回溯摸索法等。固然研讨出来许多战略,但每种战略又有其缺乏的中央,不少研讨职员这些改良算法在肯定水平上进步了组卷算法的服从和组卷后果的无效性,对一些小范围的试题库有着较好的功能,但是这些算法关于大范围题库仍显得力所能及,具有很大的自觉性,缺乏智能性,难以满意组卷需求。人们盼望应用盘算机的高效而便宜的运算才能求解一些困难的题目。这个题目是从能够的组合和序列中选取一个答案,不外由于理想题目的范围比拟大,因而求解这些题目的顺序很能够发生组合爆炸的能够性,即便是运算速率很高,内存很大的盘算机对这类题目也会显得能干为力,从而招致题目难明。因而,研讨者不时地探究求解题目的无效算法。
遗传算法是由美国传授于1975年在他的著作《天然零碎和人工零碎的适配>退化论和传学说的自顺应随机全局优化算法。以为每一物种在不时的开展历程中都是越来越顺应情况。遗传学以为每个细胞中封装有一种指令遗传码,以基因的方式包括在染色体中,每个基因有特别的地位并控制着某种特别的性子。每个基因发生的集体对情况有肯定的顺应性,基因杂交和基因渐变能够发生对情况顺应性强的子女,经过优越劣汰的天然选择,顺应值高的基因构造就保管上去。从全体上讲,遗传算法是退化算法中发生最早、影响最大、使用也比拟普遍的一个研讨偏向和范畴,它不只包括了退化算法的根本方式和全部长处,同时还具有多少共同的功能,遗传算法的次要长处在于:对可行解表现的普遍性。遗传算法的处置工具不是参数自身,而是针对那些经过参数集停止编码失掉的基因集体。这一特点使得遗传算法具有普遍的使用范畴。
很多传统的搜刮办法都是单点搜刮,这种点对点的搜刮办法,关于多峰散布的搜刮空间经常会陷于部分的某个单峰的极值点。相反,遗传算法接纳的是同时处置群体中多个集体的办法,即同时对搜刮空间中的多个解停止评价。这一特点使遗传算法具有较好的全局搜刮功能,也使得遗传算法自身易于并行化。纠错才能强,算法经过选择、穿插、变异操纵能敏捷扫除与最优解相差极大的集体,自身可看作是一个并行滤波机制。不需求辅佐信息。遗传算法仅用顺应度函数值来评价基凶集体,并在此根底上停止遗传操纵。更紧张的是,遗传算法的顺应度函数不只不受延续可微的束缚,并且其界说域可以恣意设定。对顺应度的独一要求足,编码必需与可行解空问对应,不克不及有去世码。由于限定条件的减少,使得遗传算法的使用范畴大大扩展。随机搜刮特性。遗传算法不是接纳确定性规矩,而是接纳概率的变迁规矩来指点它的搜刮偏向。概率仅仅是作为一种东西来引导其搜刮进程朝着上它有明白的搜刮偏向,具有内涵的并行搜刮机制。在所求解题目为非延续、多峰以及有噪声的状况下,可以以很大的概率收敛到最优解或称心解,因此具有较好的全局最优解求解才能。顺应于其他题目,或许参加特定题目的范畴知识,或许与已有算法相联合,可以较好地处理一类庞大题目,因此具有较好的普适性和易扩大性。
遗传算法具有固有的并行性和并行盘算的才能。正是由于这些特点使得遗传算法普遍使用于盘算机迷信、神经网络、零碎辨识、控制器设计、组合优化、呆板学习、形式辨认、工程式设计、信号处置、自顺应控制和人工生命、经济办理和社会迷信等范畴,它也成为了21智能盘算中的要害技能之一。将遗传算法使用于组卷题目仍处于研讨阶段,针对遗传算法本身存在着缺乏以及组卷题目的特点,需求探究出愈加契合组卷题目特点并可以克制遗传算法缺陷的改良算法。
1.2 本文构造构造
第l章弁言,起首引见了智能组卷的研讨配景和意义,并对智能组卷的研讨近况停止了引见和剖析。
第2章描绘智能组卷的相干沙龙娱乐实际,次要引见了智能组卷的根本准绳,目标体系和常用的数学模子。
第3章零碎地引见了遗传算法。次要引见了遗传算法无效性的沙龙娱乐实际根据和要害技能。
第4章研讨并树立了基于改良遗传算法的智能组卷框架。基于传统遗传算法,对其编码办法、顺应度函数、遗传算子都停止了研讨和改良,并设计了改良遗传算法智能组卷的流程。
第5章完成基于改良遗传算法的智能组卷零碎,并用测试数据对其停止了功能剖析与评价。
2 智能组卷的相干沙龙娱乐实际
2.1  智能组卷的根本准绳
组卷题目的根本准绳包罗6个方面[2]
组卷的根据为测验纲要,天生的试卷需求片面反应纲要的深度以及广度,试题数目要充足多,掩盖面要广。考题不只需求反应考生对根本知识和技艺的掌握水平,还要考察考生运用所学知识去处理题目的才能。
组卷不只要稽核考生知识掌握情况,而且需求促进其智力开展和进步。试题范例需求多样化,能从差别的方面考察考生的才能。因而,组卷时需求思索试题功用及范例,选择最佳的组合方法。
组卷要有难度台阶,可以在测验分数上拉开间隔。难渡过小无法考察出考生的真实程度;而独自过大,凌驾考生的才能范畴,则会招致考生得到决心。组卷基于大少数中等程度考生,构成肯定的区分度和难度台阶,如许才会使考生的成果具有差距和梯度。
组卷要发扬试题对考生的引导作用。考生通常都十分注重测验,容易遭到测验这个指挥棒的影响。因而,可以经过组卷来引导先生准确地学习。
测验不克不及刻意地去出偏题,怪题,但需求有肯定的广度和深度,要能考察出考生的知识程度和才能。
试题的表达要明晰精确,确保测验的可信度。依据订定命题方案和要求体例试题,并给出答案。同时需求对编出的试题进一步检察和挑选,并注明各试题的难度、区分度、所属章节及评分规范。
2.2  智能组卷的目标体系
智能组卷的目标体系是指试题参数,是对试题的内涵属性、内在特性及其在测验零碎中的功用停止定性的或定量的描绘;它是树立试题库办理零碎,完成盘算机警能组卷的要害。试题的目标体系越丰厚,组卷的质量越高。通常智能组卷的目标体系包括这些,固然依据差别需求能够会有所差别:
题型:试题的范例有多种分别方式,我们将试题范例分别为六种题型:填空题、选题题、判别题、观点与简答题、盘算剖析题、综合题五种。
所属章节:试题库中的试题均与课程的章节绝对应。知识点:又称稽核点,是试题内容所属的知识条理范畴。
难度系数[3]:在试卷命题进程中,针对差别的测验工具、差别讲授阶段的测验,试题的命题难度也差别,依据成卷要求,对难度系数停止搜刮,以求出契合稽核难度要求的试卷。
试卷的效度是权衡一项测验完成其既定目的的乐成水平的目标,它反应了试卷内容与讲授纲要或测验纲要的符合水平。效度高的试卷,可以较精确地测试出先生掌握和运用所学知识的真实度。依据讲授纲要或测验纲要停止命题,且各单位试题分数分派与学时数分派根本坚持分歧,下比干系,这是包管试卷效度的根底。
运用率是指标题的已出题次数和前次运用时问两个参数可以用来控制标题的运用率。为了试卷的失密性、公道性和平安性,在抽取试题停止组卷时,经过客观察试后由课题构成员依据讲授经历加以调解。
 
 
 
参考文献 
[1]漆书青,戴海崎,丁树良.古代教诲与心思丈量学原理[M].北京:初等教诲出书社,2002:245-246.
[2]宋兆鸿,刘世表,张才美,etal.古代教诲丈量[M].北京:教诲迷信出书社,1986
[3]杨峰.基于遗传算法的试题库办理及主动组卷零碎的研讨[D].[硕士学位论文].山东山东农业大学,2008

更多论文宣布、期刊杂志投稿联络方法
联络QQ:862351366
联络德律风:18161268802
投稿邮箱:862351366@qq.com
 
收费热线   4000444813
公司座机   028-65876501
天下征询   13018295905
陈编辑 点击这里给我发音讯  862351366   13018295905
刘编辑 点击这里给我发音讯 1581273019   13018295905
 
效劳邮箱   bianshen@vip.163.com

  • 杜 若-中电联官网-2017电力大数据使用创新大会
  • 吴锋-《古代传达》-美国旧事传达教诲的最新停顿与变革
  • 戴盛欧-《修建工程技能与设计》-修建设计进程中图示思想的意义和作
  • 张俊-《中国农业信息》-浅谈泰兴市农业信息化的近况与发起
  • 唐黎卿-《吉林省教诲学院学报(下旬)》-高职商务英语专业根底课讲授新思绪
  • 高婵娟-《本领》-创新理论:浅析实拍影像与动画的异
  • 吴菲菲-《科技提高与对策》-专利质量综合评价指数--以我国生物
  • 宋生彪-《油气地步面工程》-从运营办理者动手强化油田公司外部
  • 乔慧娟-《贸易期间》-论我国境外经贸合作区的危害防备问
  • 杨爱军-《读写算(教诲讲授研讨)》-掌握课标精华促进读写联合--谈小学

关于我们 联络方法 评审要求 雇用信息 付款方法 媒体公布 英文期刊 论文转让 客户评价 网站舆图 信誉阐明

天下收费效劳热线 4000444813  办公德律风028-65876501 
企业QQ 800071531(猛戳我)投稿邮箱 bianshen@vip.163.com
联络地点:成都市武侯区川大学术交换中央  
ICP存案号:蜀ICP备1402865
本站所合作期刊,均为国度旧事出书总署:sellyourstuffatamazon.com 同意的、正轨、正当、双刊号期刊。