导读:本文包含了遗传算法组卷论文开题报告文献综述及选题提纲参考文献，主要关键词:智能组卷,改进遗传算法,命题制卷,组卷策略
遗传算法组卷论文文献综述
石慧升[1]（2019）在《基于改进遗传算法的智能组卷系统的研究与实现》一文中研究指出本文在参考国内外文献的基础后,对智能组卷算法的相关理论进行深入分析,在研究了智能组卷核心问题后,提出了一种智能组卷的改进遗传算法,并在组卷系统中进行了应用与实现。组卷本身属于十分复杂的一种对于多目进行标约束组合条件的优化问题,智能组卷核心在于完成算法的编码设计,它决定了其试卷生成效率和试卷质量。通过对组卷相关问题以及组卷的数学模型进行分析研究,提出利用遗传算法来进行智能组卷系统的实现,同时针对遗传算法本身存在的过早收敛且后期搜索效率低下的问题,有针对性的对遗传算法进行了改进,主要体现在通过对组卷业务流程进行了重新优化设计,包括命题组卷业务流程、变异算子、杂交算子、种群规模以及遗传算子等进行优化改进,最终实现了基于改进遗传算法的智能组卷系统。首先,根据本系统的业务需求和其核心难度,进行智能组卷步骤与数学模型的设计。其次,设计了基于遗传算法的组卷系统方案的设计,包括遗传算法的改进方案和组卷流程设计等。再次,分析和设计了系统的数据库、系统各个核心业务。本智能组卷系统涵盖了四大核心业务,分别是题库管理、命题管理、组卷管理、统计分析,分别对应日常工作中的命题、基础管理、自动化组卷、试卷管理跟踪、实测数据反馈等工作流程。最后,对系统的运行效率以及准确性进行了测试,通过实验的分析数据得到了验证,测试结果表明该系统能够自动生成符合约束条件的高质量的试卷。(本文来源于《河北科技大学》期刊2019-05-01）
张海洋[2]（2019）在《基于遗传算法的自动组卷系统优化设计及应用》一文中研究指出信息化高速发展的今天,各行各业都离不开计算机的帮助。以自动组卷为核心的在线考试系统广泛应用于各类考试之中。自动组卷系统的应用不仅能够减轻教师的工作压力,节省出卷时间,还能有效的减少教师在出卷时的个人主观因素,提高试卷质量,提高考试的标准化程度。组卷问题的实质是求解多约束条件下的多目标优化问题。遗传算法作为一种高效的全局并行搜索算法,其简单易用、适于并行处理和强鲁棒性的特点使其非常适于用来解决此类多目标优化问题。本文以自动组卷作为研究内容,着重研究了自动组卷的优化问题模型以及如何利用遗传算法来实现。本文首先在大量研究国内外文献的基础上,分析组卷系统中重要的试题属性以及试卷指标,明确组卷的基本步骤。然后结合试题的关键属性确定了组卷的关键约束条件,以此建立合适的数学模型和极小化目标函数。针对组卷问题引入遗传算法。最后实验运行结果表明采用本算法能够成功组卷并有效提高组卷质量。在开发该系统的时采用了C/S架构,C#开发语言,运用VS开发平台,结合ADO.NET数据连接数据库。通过运行证明系统运行稳定,具有一定的使用价值。(本文来源于《安徽工业大学》期刊2019-04-09）
邓明学[3]（2019）在《基于遗传算法的开放教育在线考试系统组卷实现》一文中研究指出文章利用遗传算法,实现开放教育在线考试系统组卷,教师只需设置部分常规的试卷题型、题量、总分等约束条件,其它如试卷难易度、章节覆盖率、试题曝光度等约束条件由系统自动生成,实现自动化、智能化组卷。(本文来源于《广西广播电视大学学报》期刊2019年02期）
贺建英,王光琼,唐青松[4]（2019）在《一种基于遗传算法的智能组卷策略优化研究》一文中研究指出针对智能组卷问题中的组卷质量和组卷速度上存在的缺陷,在原有遗传算法的基础上,提出一种基于遗传算法的智能组卷策略。从试题的编码方法、建立加权目标函数来优化适应度函数、交叉算子的选择、变异的设置以及到采用保优策略和轮盘赌相结合进行选择操作等方面进行了优化设计。取得了很好的适应度,并能快速成功组卷,提高了组卷效率。仿真实验表明,该算法能成功组卷,且提高了组卷的成功率和效率,有效地优化了自动组卷方法中的问题。(本文来源于《计算机与数字工程》期刊2019年01期）
杨晓吟[5]（2018）在《基于蚁群优化遗传算法的智能自动组卷算法研究》一文中研究指出针对基于遗传算法的计算机智能自动化组卷问题,提出一种能够提高求解效率的蚁群遗传融合优化算法。首先通过基于信息素的蚁群算法产生一个最优解并将其作为遗传算法的初始种群,从而有利于提高收敛性能。然后通过充分利用随机数并增加循环次数对传统遗传算法中基于轮盘赌的选择算法进行改进,从而确保下一代种群的多样性并提高最佳染色体被选择的机会。算法测试结果表明,相比传统的遗传算法,提出的蚁群优化遗传算法能够自动生成满足要求的试卷,并具有较高的组卷效率和质量。(本文来源于《现代电子技术》期刊2018年21期）
李今花[6]（2018）在《基于遗传算法的C语言考试系统组卷算法的实现》一文中研究指出本系统将组卷算法和试题题库相结合,将改进的遗传算法应用于高校的智能组卷系统中,主要是从算法的染色体编码、初始种群的生成、适应度评价函数、遗传算子和终止判断条件这几个方面进行改进,从而得到满足约束条件的最优试卷,实现教考分离。(本文来源于《电子技术与软件工程》期刊2018年18期）
师小霞,李世豪[7]（2018）在《遗传算法在组卷系统中的应用》一文中研究指出网上考试系统中组织试卷的核心工作是抽取题目,当需求以及试题表均单一时,抽题过程采用随机数方法,配合单层循环即可实现。当需求复杂时,试卷的组成是一定数量的题目,题目有类型、所属单元和难度等级等属性,须在遗传算法的框架内使用迭代。染色体的编码采用粗粒度的十进制,目标函数的定义和个体适应度的计算方式是算法应用的核心,需用适应度限定系数矩阵中的值约束个体特征值,实现个体适应度和目标函数同步。(本文来源于《信息与电脑(理论版)》期刊2018年17期）
周传宏,帅普佳,戴超[8]（2018）在《基于混合遗传算法的自动组卷算法设计》一文中研究指出题库系统是辅助教学的重要工具,对教学质量提升有关键作用。以中国教育为背景,分析现有题库系统在组卷功能上的缺陷,建立一种组卷模型,基于混合遗传算法实现智能化组卷功能,验证其可行性和有效性,为推动教学工作智能化、高效化发展提供参考。(本文来源于《工业控制计算机》期刊2018年07期）
胡木林[9]（2018）在《基于遗传算法的在线考试系统组卷设计》一文中研究指出在线考试系统的核心是组卷算法,利用全局择优的遗传算法研究在线考试系统的组卷过程,解决了在线考试系统的核心技术。基于遗传算法的在线考试系统的实现缩短了考试的工作流程,减轻了教师的工作量,使考试更客观、公正、环保、高效。(本文来源于《中国教育技术装备》期刊2018年12期）
杨春哲,常涵吉[10]（2018）在《基于遗传算法的大学计算机基础自动组卷方法》一文中研究指出针对传统组卷方法效率、成功率低等难题,设计基于遗传算法的大学计算机基础自动组卷方法。首先设计大学计算机基础自动成卷适应度函数,采用编码对组卷过程中题型及与其数量分布相关的约束条件进行处理,然后设计选择算子、交叉算子以及变异算子,将适应度作为评价群体多样性的指标,求出交叉概率与变异概率,给出遗传算法终止条件。实验结果表明,该方法提高了大学计算机基础自动组卷方法的效率和成功率。(本文来源于《现代电子技术》期刊2018年11期）
遗传算法组卷论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信息化高速发展的今天,各行各业都离不开计算机的帮助。以自动组卷为核心的在线考试系统广泛应用于各类考试之中。自动组卷系统的应用不仅能够减轻教师的工作压力,节省出卷时间,还能有效的减少教师在出卷时的个人主观因素,提高试卷质量,提高考试的标准化程度。组卷问题的实质是求解多约束条件下的多目标优化问题。遗传算法作为一种高效的全局并行搜索算法,其简单易用、适于并行处理和强鲁棒性的特点使其非常适于用来解决此类多目标优化问题。本文以自动组卷作为研究内容,着重研究了自动组卷的优化问题模型以及如何利用遗传算法来实现。本文首先在大量研究国内外文献的基础上,分析组卷系统中重要的试题属性以及试卷指标,明确组卷的基本步骤。然后结合试题的关键属性确定了组卷的关键约束条件,以此建立合适的数学模型和极小化目标函数。针对组卷问题引入遗传算法。最后实验运行结果表明采用本算法能够成功组卷并有效提高组卷质量。在开发该系统的时采用了C/S架构,C#开发语言,运用VS开发平台,结合ADO.NET数据连接数据库。通过运行证明系统运行稳定,具有一定的使用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遗传算法组卷论文参考文献
[1].石慧升.基于改进遗传算法的智能组卷系统的研究与实现[D].河北科技大学.2019
[2].张海洋.基于遗传算法的自动组卷系统优化设计及应用[D].安徽工业大学.2019
[3].邓明学.基于遗传算法的开放教育在线考试系统组卷实现[J].广西广播电视大学学报.2019
[4].贺建英,王光琼,唐青松.一种基于遗传算法的智能组卷策略优化研究[J].计算机与数字工程.2019
[5].杨晓吟.基于蚁群优化遗传算法的智能自动组卷算法研究[J].现代电子技术.2018
[6].李今花.基于遗传算法的C语言考试系统组卷算法的实现[J].电子技术与软件工程.2018
[7].师小霞,李世豪.遗传算法在组卷系统中的应用[J].信息与电脑(理论版).2018
[8].周传宏,帅普佳,戴超.基于混合遗传算法的自动组卷算法设计[J].工业控制计算机.2018
[9].胡木林.基于遗传算法的在线考试系统组卷设计[J].中国教育技术装备.2018
[10].杨春哲,常涵吉.基于遗传算法的大学计算机基础自动组卷方法[J].现代电子技术.2018