基于改进模拟退火算法的项目选择优化方法研究

发布时间：2020-05-13 05:08

【摘要】：教育评价的发展伴随着计算机和网络技术的不断飞跃而产生了新的组织形式,以计算机为平台的新教育评价形式油然而生,即:计算机自适应测试(CAT)。计算机自适应测试是现代教育技术、心理测量学理论和计算机三者充分耦合的产物,以项目反应理论为基础,它的指导思想是计算机模仿人类智能评估的行为,通过给被试者提供适合被试能力水平的项目,并观察被试者在项目上的反映情况,来估计被试者的能力水平。因此计算机自适应测试可以真正的做到“因人施策”的目的。项目选择方法是计算机自适应测试中最重要的环节,它的好坏不仅仅关系到系统中项目池题库的安全性和实用性,也关系到后期对被试真实能力水平评估的准确性。因此,本文以项目选择方法中项目选择的效率和项目选择的速度为研究目标,主要研究工作包括以下几点:1、首先对项目反应理论和计算机自适应测试进行介绍和总结,同时对目前国内外流行的项目选择方法现状进行了分析和总结。2、针对目前项目选择方法中存在的项目选择效率和项目选择速度的问题,在基于先前模拟退火算法的项目选择方法基础之上,将遗传算法和模拟退火算法相结合,提出了一种基于混合方式的启发式项目选择优化方法:遗传-模拟退火算法(TIS-GASA)。3、通过自己实现的计算机自适应测试系统,对本文所提出的遗传-模拟退火项目选择方法进行实验研究,证明了新项目选择方法的高效性。本文的创新点是将遗传算法和模拟退火算法相结合形成一种新的启发式项目选择方法,该算法首先通过遗传算法搜索当前最优解,并将当前最优解作为模拟退火阶段的初始解,然后再进一步的进行最优解的探索。算法在保留了遗传算法较强的全局搜索能力的同时,也吸收了模拟退火算法超强的局部搜索能力,避免了局部最优的情况产生。最后通过实验的结果可知,遗传-模拟退火算法在项目选择的效率上有了很大的提升,可以将信息量合适的试题提供给被试,并且在选题的速度方面也有显著的提高。
【图文】：

曲线,三参数,模型,曲线

P ) = （公式双参数 Logistic 模型（2PLM）：P ) = （公式三参数 Logistic 模型（3PLM）P ) = + （公式其中，为项目 i 的难度，为项目 i 的区分度，为项目 i 的猜测系D 为常量，D=1.7，额表示自然对数的第 e=2.17828，P )为被试正确解答试的概率。目前三参数 Logistic 模型（3PLM）是应用最为广泛的项目反应模当 =0 的时候，三参数 Logistic 模型就会变成双参数 Logistic 模型；当 =1 的时候，三参数 Logistic 模型就会变成单参数 Logistic 模型。三Logistic 模型的特性曲线如下所示：

估计标准误差

图 2-2 能力估计标准误差算法（GA）算法概述法[43][44]是以达尔文的“进化论”为基础，模拟自然界中生物种征，形成的一种自适应全局优化搜索算法。根据“适者生存”算法将问题的求解过程模拟成一个生物种群内部进化升级的过法的主要特点是采取概率论的方法，使种群内部自适应地调整先的终止原则，在进化的生物种群中也就是优化后的搜索空间解。法将群体内部所有个体（染色体）为进行编码，同时计算个体适的染色体进行遗传操作，随后通过染色体的选择、交叉和变异
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18

【相似文献】