一种基于改进遗传算法的智能组卷方法研究

摘要

近几年，智能优化算法倍受人们关注，如人工神经网络、遗传算法，为解决复杂问题提供了新的方法，并在诸多领域取得了成功。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，针对传统的组卷算法具有组卷速度慢、成功率较低、试卷质量不高等缺点，通过详细分析试卷的各项约束条件如知识点、难度系数、区分度，建立了一个智能组卷数学模型，利用改进的遗传算法实现了智能组卷。 改进后的遗传算法采用实数编码，组成试卷的各道试题的题号直接映射为基因，用实数编码避免了编码解码过程所带来的时间损耗，提高了运算效率；改进生成初始群体的方法，使得组卷的成功率及质量得到显著提高；改进遗传操作，改进自适应的交叉和变异算子，通过仿真实验表明，改进后的遗传算子提高了收敛速度，能够搜索到全局最优解； 对适应度函数设计，可以适当地区分优劣个体，使优秀的个体不至于扩散的太快，差的个体不至于很快消失，有利于保持群体的多样性，可以有效地防止群体的早熟。 根据需求分析，建立了哈尔滨工程大学本科题库管理系统。组卷模块是系统的核心，根据改进后的智能组卷方法可以直接生成Word形式试卷以及试卷答案，在Word中可以对试卷以及试卷答案进行编辑修改并打印。实验结果表明，新改进方法在组卷成功率和收敛速度方面都得到明显提高，并且较好地克服了未成熟收敛现象。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究的背景及意义

1.2国内外研究现状

1.3主要工作与组织结构

第2章智能组卷系统的相关理论及数学模型

2.1智能组卷的基本原则

2.2智能组卷系统的指标体系

2.3两种教育测量理论

2.3.1经典测量理论

2.3.2项目反应理论

2.4智能组卷常用方法及比较

2.4.1优先权法

2.4.2随机选取法

2.4.3误差补偿法

2.4.4回溯试探法

2.5智能组卷系统的数学模型

2.5.1约束优化模型

2.5.2组卷问题的数学模型

2.6本章小结

第3章遗传算法基本原理的研究与分析

3.1遗传算法的基础原理

3.1.1遗传算法的生物遗传学基础

3.1.2遗传算法的基本思想

3.2遗传算法的理论基础

3.2.1模式定理(schemata theorem)

3.2.2积木块假设

3.2.3隐含并行性

3.2.4“早熟”现象

3.2.5收敛性

3.3遗传算法的实现技术

3.3.1编码

3.3.2初始化群体

3.3.3适应度函数

3.3.4进行遗传操作

3.3.5终止准则

3.4关于改进的遗传算法的若干讨论

3.5本章小结

第4章一种改进的遗传算法

4.1遗传算法编码的设计

4.1.1二进制编码

4.1.2实数编码

4.2初始群体的生成

4.3适应度函数的确定

4.4遗传算子的确定

4.4.1选择算子

4.4.2交叉算子和变异算子

4.5最优保存策略

4.6.1测试函数及算法

4.6.2实验结果与分析

4.7本章小结

第5章算法的实现与性能分析

5.1系统实现目标与设计原则

5.1.1开发技术

5.1.2开发环境

5.1.3运行环境

5.2系统功能模块说明

5.3智能组卷测试与分析

5.4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