改进遗传算法在智能组卷中的应用

发布时间：2020-07-30 10:43

【摘要】：在信息智能化繁荣发展的大背景下,传统教学与考试已经渐渐无法适应现代教育的需求,网络化教学考试必将是今后教育改革的大方向。例如在银行培训中,很多老师的组卷过程都是通过手动组卷或随机抽题组卷,这种组卷的性能往往不高,组卷的质量也无法满足需求。针对上述问题以及现有考试培训系统存在的不足,本文以中国建设银行培训考试系统为背景,设计并开发了一个能够实现智能组卷的培训考试系统,该系统采用了遗传算法与群智能算法的结合作为系统的智能自动组卷算法。本文主要工作如下:(1)通过阅读大量文献了解国内外研究现状,并总结当前现有智能组卷算法所存在的若干问题,以此确定了本文的研究方向。(2)论述了智能培训考试系统中遗传算法与群智能算法的相关理论,提出基于Web Service和Nginx、Tomcat的集群策略适应高并发的培训需要;根据培训需求,建立了通用的试卷适应性评价模型,在组卷中,通过对组卷指标的设定以及数学模型的建立,明确组卷策略,简化目标函数,解决了以往组题中存在的题型分配不均,知识点不全等问题。(3)针对一般组卷算法用时多,成功率低的问题,提出了基于改进遗传算法的组卷算法,解决生成的试卷难以达到理想标准的问题。虽然遗传算法的全局搜索能力非常快,但系统内的反馈信息并没有被利用,这就会导致无为的冗余迭代,使得求解效率变低。本文通过融合群智能算法对遗传算法进行改进,使得在遗传过程产生的有用信息得以保留,大大加快了遗传算法的收敛速度。仿真实验与实际运用均验证了该改进算法具有高效性和敏捷性等显著特点。(4)根据银行的需求目标,作者完成了系统的概要设计和详细设计,在此基础上完成了系统的开发。系统已正常运行6个月,为智能化、高效化、经济化的建行业务培训发挥了作用。
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：G726;TP18
【图文】：

图 1.1 论文研究路线1.3.2 主要工作（1）基于组卷的基本原则，从试题的属性、试卷的评价指标等方面建立组卷的数学模型，制定智能组卷相关策略。（2）通过改进遗传算法实现智能组卷，通过对其他研究者使用的组卷算法进行分析与对比，从中学习并优化来提高组卷的成功率和组卷的速度（3）根据智能组卷考试培训系统的设计思想，使用 Java 编程语言并结合 Spring MVC框架和 Web Service 技术开发该系统，在建行投入试运行。1.3.3 关键问题从现实意义来讲，本文研究的根本目标就是通过对遗传算法的改进，来实现智高性能

图 1.2 论文的组织结构论文具体内容组织结构如下：第一章绪论。对当前状况下在线考试系统的理论依据和技术支持进行分析，同时对于相关领域内的国内外发展现状加以阐述和说明，智能组卷算法研究进展，最后探讨论文的研究的理论价值及实用意义。第二章系统相关技术与理论研究。给出智能组卷算法的普遍原则及限制条件，阐述一般组卷算法的理论思路与应用特点，并对于系统开发过程中涉及到的技术条件加以说明。第三章对传统遗传算法的调整和变革。在本章中，首先对当前阶段在组卷算法当中应用范围较广的算法进行逐一介绍和说明，然后对传统遗传算法中存在的缺陷和弊端予以说明，并与其他的算法进行了对比，在此基础上实现传统遗传算法和群智能算法两者的结合。同时，这也是在本文论述过程中所应用的主要算法。第四章改进遗传算法在组卷中的实现。提出一种改进遗传算法，介绍改进后的设计思想，并在考试环境中列出具体的改进步骤，最后将改进的算法应用到智能组卷中，经实验

图 2-1 试题曝光度和最后一次抽题时间修改关系图具体流程为：在试题筛选过程中，首先判断试题是否被抽中，若没被抽中则判断该题最后一次抽出的时间是否是最大值，若该值为最大值，则对曝光度进行重置归零，如果否的话，则按照要求对时间进行修改。2.3 试卷的评价指标现阶段，关于试卷的评价标准的构成大致上包括以下几个方面：即试卷难度，区分度以及效度：1、区分度主要是对学生知识掌握程度差异性的具体体现。一般来讲，一份合格的试卷能够准确反映出不同学生的实际知识掌握程度的区别。

【相似文献】

相关期刊论文 前10条

1 刘浏;关于高校档案“问题”组卷中的一些问题[J];成都大学学报(社会科学版);2000年04期

2 朱惠珏,刘美娟;浅谈高校学生成绩档案组卷方法[J];浙江档案;2001年12期

3 王婉萍;;高校学生类档案的分类与组卷[J];档案管理;2013年03期

4 吕哲勤;对使用试题库组卷考试的几点看法[J];教学与教材研究;1995年02期

5 陈志坚;胡_g;;考试系统试题库及组卷方案的设计[J];晋城职业技术学院学报;2009年02期

6 李目海;;组卷中的随机抽取算法分析与实现[J];枣庄学院学报;2007年02期

7 张俊峰;王庭宽;;测验试题的组卷与评价[J];成都大学学报(教育科学版);2007年10期

8 蔡晓云;;最近发展区理论对智能组卷的启示[J];江苏广播电视大学学报;2009年05期

9 梁振林;试题库录入和智能组卷的一种通用方法[J];广西大学学报(哲学社会科学版);2001年S1期

10 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

相关会议论文 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

相关重要报纸文章 前3条

1 刘友谊 徐明辉;智能组卷在线答题自动评卷[N];边防警察报;2007年

2 记者 崔旭;我市启动京港澳高速改扩建工程土地组卷工作[N];保定日报;2012年

3 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

相关博士学位论文 前10条

1 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

2 李险峰;基于改进遗传算法的汽车装配生产线平衡问题研究[D];北京科技大学;2017年

3 孙秋红;基于遗传算法的水质数据挖掘与应用研究[D];燕山大学;2016年

4 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

5 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

6 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

7 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

8 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

9 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

10 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

相关硕士学位论文 前10条

1 张钰柯;改进遗传算法在智能组卷中的应用[D];浙江理工大学;2018年

2 黄海;基于人工智能的考试系统研究与实现[D];西南交通大学;2015年

3 陆茜茜;面向精神卫生领域的问卷调查系统的设计与实现[D];苏州大学;2015年

4 洪家林;通用试题库管理及组卷系统的设计与实现[D];西南交通大学;2016年

5 张冲;基于云服务和人脸识别的在线组卷、考试和阅卷系统[D];天津工业大学;2016年

6 吴焱焱;计算机组卷与考试系统[D];苏州大学;2016年

7 谢飞翔;一个智能试卷生成系统的研究与实现[D];贵州大学;2007年

8 傅思萍;程序设计语言考试系统组卷、评分方法的研究与实现[D];华侨大学;2011年

9 江军强;信息技术类课程组卷算法的研究和实现[D];华侨大学;2011年

10 毛立钢;高职院校智能组卷与成绩分析系统设计与实现[D];电子科技大学;2014年

本文编号：2775430