基于群智能优化的智能组卷算法研究

发布时间：2017-06-25 09:03

  本文关键词：基于群智能优化的智能组卷算法研究，由笔耕文化传播整理发布。

【摘要】：目前,大多智能组卷系统都或多或少的存在着组卷速度慢或成功率低等缺陷,整体水平较低。在智能组卷系统中,如何组建一份满足条件的试卷,其关键问题在于智能组卷算法的设计。因此,分析、研究和改进智能组卷算法有助于提高教学质量。传统的组卷算法通常是基于随机抽取算法或者基于项目反应理论等,但是这些算法普遍存在组卷成功率低、时间消耗大等不足。本文在细菌觅食优化算法和果蝇优化算法的基础上,结合云模型的思想,提出了改进的细菌觅食优化算法和果蝇优化算法,并用于优化智能组卷算法。实验结果表明了这两种智能组卷算法的有效性。其主要研究内容如下:(1)分析了常用的智能组卷算法,概括了这些算法的优点和不足,着重比较了基于遗传算法和基于群智能优化的智能组卷算法的相同点和不同点。总结出了细菌觅食优化算法和果蝇优化算法优化智能组卷算法的可行性。(2)提出了基于云模型的细菌觅食优化算法。在标准细菌觅食优化算法的理论上,首先给出了细菌灵敏度概念,运用了X条件云模型来调整细菌灵敏度,控制游动步长。然后利用正向正态云模型,修正非线性自适应的迁移概率,进行了迁移操作,将该算法用于优化智能组卷算法,与遗传算法进行实验比较分析,结果表明:该算法的收敛速度与优化质量均优于遗传算法,为减少组卷时间和提高组卷成功率提供了可能性。(3)提出了基于正态云模型的自适应果蝇优化算法。在标准果蝇优化算法的理论上,首先给出了敏感因子的概念,运用自适应策略动态调整敏感因子,从而修正了搜索步长,进行了位置更新操作;其次,在正态云模型的基础上,利用了正态云模型描述味道浓度参数的随机性与模糊性,调整了味道浓度参数,进行了嗅觉搜索操作;将该算法用于优化智能组卷算法,与其他果蝇优化算法进行了实验比较分析,证明了该算法在组卷效率及寻优精度上均有所提高。本研究丰富并完善了基于群智能优化的智能组卷算法,为智能组卷提供了一定的理论基础。
【关键词】：智能组卷算法 群智能优化算法 细菌觅食优化算法 果蝇优化算法 云模型
【学位授予单位】：河南师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-16
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-12
• 1.3 研究内容12-13
• 1.4 论文的组织结构13-16
• 第二章 智能组卷的基本理论16-22
• 2.1 试题的属性指标16-17
• 2.2 试卷的评价指标17-18
• 2.3 智能组卷的数学描述18-21
• 2.3.1 智能组卷的数学模型18-19
• 2.3.2 智能组卷的约束条件19-20
• 2.3.3 智能组卷的目标函数20-21
• 2.4 本章小结21-22
• 第三章 智能组卷算法的分析与比较22-38
• 3.1 基于随机抽取的智能组卷算法22-23
• 3.2 基于项目反应理论的智能组卷算法23-24
• 3.3 基于遗传算法优化的智能组卷算法24-26
• 3.4 基于群智能优化的智能组卷算法26-34
• 3.4.1 基于粒子群优化的智能组卷算法26-28
• 3.4.2 基于人工鱼群优化的智能组卷算法28-29
• 3.4.3 基于蚁群优化的智能组卷算法29-31
• 3.4.4 基于细菌觅食优化的智能组卷算法31-32
• 3.4.5 基于果蝇优化的智能组卷算法32-34
• 3.5 智能组卷算法的比较34-37
• 3.6 本章小结37-38
• 第四章 基于细菌觅食优化的智能组卷算法38-60
• 4.1 大肠杆菌的觅食行为38
• 4.2 算法原理38-40
• 4.2.1 趋向性操作39-40
• 4.2.2 复制操作40
• 4.2.3 迁移操作40
• 4.3 算法步骤与流程40-41
• 4.4 云模型基本理论41-47
• 4.4.1 云模型41-43
• 4.4.2 正态云模型43-45
• 4.4.3 X条件云模型45
• 4.4.4 云滴的贡献45-47
• 4.5 改进的细菌觅食优化算法47-51
• 4.5.1 BFOA的分析47-48
• 4.5.2 BFOA的改进48-51
• 4.6 基于改进细菌觅食优化的智能组卷算法51-58
• 4.6.1 实验仿真52-54
• 4.6.2 实验结果及分析54-58
• 4.7 本章小结58-60
• 第五章 基于果蝇优化的智能组卷算法60-78
• 5.1 果蝇的觅食行为60
• 5.2 算法原理60-61
• 5.3 算法步骤与流程61-62
• 5.4 改进的果蝇优化算法62-66
• 5.4.1 FOA的分析62-63
• 5.4.2 FOA的改进63-66
• 5.5 基于改进果蝇优化的智能组卷算法66-74
• 5.5.1 实验仿真66-67
• 5.5.2 实验结果及分析67-74
• 5.6 基于CBFOA和CAFOA优化的智能组卷算法比较分析74-76
• 5.7 本章小结76-78
• 第六章 总结与展望78-80
• 6.1 总结78-79
• 6.2 展望79-80
• 参考文献80-86
• 致谢86-88
• 攻读学位期间发表的学术论文目录88-89

【相似文献】

中国期刊全文数据库 前10条

1 李跃刚;;中间表组卷算法[J];齐齐哈尔大学学报(自然科学版);2010年03期

2 张林中;杜彦华;;一种基于洗牌策略的组卷算法[J];现代计算机(专业版);2012年23期

3 林雪明,张钧良,蒋伟钢;基于知识点的试题库组卷算法的建立[J];微机发展;2001年02期

4 王清辉;;基于随机数的计算机智能组卷算法探索[J];福建电脑;2006年11期

5 王海燕;;综合组卷算法的研究与实现[J];科技信息(学术研究);2007年25期

6 周仲文;;通用组卷算法研究[J];实验科学与技术;2007年04期

7 靳国兴;文汉云;;试题库中自动组卷算法的设计[J];长江大学学报(自然科学版)理工卷;2008年04期

8 闫丽;姜晓锋;;试卷生成系统智能组卷算法的研究与实现[J];现代计算机(专业版);2008年04期

9 王琦;;智能组卷算法研究比较[J];科技信息;2008年27期

10 武蕾娜;;组卷算法的研究[J];福建电脑;2009年03期

中国硕士学位论文全文数据库 前10条

1 龚完全;基于最小回溯代价的智能组卷算法[D];湖南大学;2005年

2 吴迪;基于群智能优化的智能组卷算法研究[D];河南师范大学;2016年

3 陈大平;自动组卷算法的研究[D];燕山大学;2003年

4 胡钰;基于网络教学平台的试题库组卷算法研究[D];昆明理工大学;2008年

5 杨争争;二进制粒子群优化组卷算法及其应用[D];上海海洋大学;2012年

6 欧阳静;一个组卷算法的设计及其应用[D];吉林大学;2013年

7 丁庶炜;基于集合的组卷算法的研究与应用[D];太原理工大学;2010年

8 王晓晨;基于模糊/灰色组卷算法的银行离线考试系统设计与实现[D];山东大学;2007年

9 张新诺;组卷算法研究[D];吉林大学;2011年

10 崔艳;基于通用试卷库组卷算法的研究和实现[D];郑州大学;2010年

  本文关键词：基于群智能优化的智能组卷算法研究，由笔耕文化传播整理发布。

，

本文编号：481486