文档介绍：一种基于遗传算法的智能组卷方法的研究
国内外研究现状与主要问题
研究定位与目标
研究意义
主要研究内容、创新点
本文的组卷算法
软件展示
提纲
国内外研究成果:
国外的研究生入学考试(GRE) 、TOFEL等
清华大学等联合编制“高等学校工科高等数学课程试题库系统”
山东省高教自考办公室等联合编制“高等数学题库系统
全国计算机等级考试系统等等
国内外研究现状
组卷算法发展现状:
将试题库看做题集,组卷时由教师逐题筛选抽取
--计算机作为工具,但实质上仍然是人工组卷

将试题库看做试卷集,将已经出好的试卷存储起来,考试时
随机抽取一份试卷
--试卷数量有限,组卷缺乏灵活性
应用某种组卷算法自动抽题组卷
--虽然灵活性大,但组卷效果不太理想
国内外研究现状
智能组卷算法发展现状:
误差补偿法
--成功率低
随机抽取算法
--成功率低
深度与广度搜索算(回溯算法)
--如果题库规模太大,效率很低
基于遗传算法的组卷算法
--比较优秀,但有很多不足
国内外研究现状
一般的组卷算法只能在非常简单的约束条件下完成试题的选
择抽取,基本不能满足目前的考试需要。
传统的遗传算法成功率低和效率差、容易产生局部最优解和
早熟等问题。
各种改进的遗传算法在选择,编码,交叉,变异等环节做出
了局部改善,而且在一定程度上缓解了早熟和局部最优解等
问题,但是仍然需要改进。
主要问题
在前人工作的基础上,对各种遗传算法的改进方法进行分
析比较,寻找一种基于遗传算法的智能组卷方法,提高算法的
效率和成功率,进一步缓解了早熟和局部最优解等问题。并应
用到东师理想网络题库管理系统中。
研究定位与目标
研究意义
理论意义
提供一种新的组卷方法
对于软件设计方法的研究也有一定的促进作用
现实意义
使老师从组卷工作中解脱出来
提高了组卷的质量和效率
深入研究遗传算法理论和考试理论
比较各种算法之间的优点及其不足
探索遗传算法的各种改进措施对算法的影响
总结早熟成因和应对措施
从多方面对遗传算法进行改进,如:
初始种群的选取
遗传算法的编码和适应度函数的设计
遗传算子的自适应设计
小生境技术的应用
研究内容
应用创新:
应用到东师理想网络题库管理系统
算法创新:
对遗传算法的一种多方面改进。
即比较几种成熟的而且效率较高、成功率较大的改进方
法,分析其改进原理及对算法的影响,并引入到本文。在损
失尽可能小的性能的前提下提高遗传算法的成功率。
创新点