遗传算法在试题组卷中的应用论文

《遗传算法在试题组卷中的应用论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、遗传算法在试题组卷中的应用论文摘要：本文运用遗传算法的全局寻优对考试中的自动化组卷进行了研究，并得到了一个解决适合考方要求的试题模型的好的算法。关键词：遗传算法全局寻优自动化组卷1引言计算机辅助考试系统的自动组卷的效率与质量完全取决于抽题算法的设计。如何设计一个算法从题库中既快又好的抽出一组最佳解或是抽出一组非常接近最佳解的实体，涉及到一个全局寻优和收敛速度快慢的的问题，很多学者对其进行了研究。遗传算法以其自适应寻优及良好的智能搜索技术，受到了广泛的运用。PottsJC等人基于变异和人工选择的遗传算法对最优群体规模进行了

2、论述；HamiltonMA等结合遗传算法把其运用到神经网络中，并取得了良好的效果4；也有众多的学者对保留最佳状态的遗传算法的收敛速度做了讨论。通过理论推导和事实运用，发现遗传算法在寻优和收敛性方面都是非常有效的。本文结合遗传算法的原理和思想，对考试自动出题组卷的问题进行了研究.freels）以其具有自适应全局寻优和智能搜索技术，并且收敛性好的特性能很好的满足自动考试组卷的要求。3遗传算法描述遗传算法是一种并行的、能够有效优化的算法，以Morgan的基因理论及Eldridge与Gould间断平衡理论为依据，同时融合了May

3、r的边缘物种形成理论和Bertalanffv一般系统理论的一些思想，模拟达尔文的自然界遗传学：继承（基因遗传）、进化（基因突变）优胜劣汰（优的基因大量被遗传复制，劣的基因较少被遗传复制）。其实质就是一种把自然界有机体的优胜劣汰的自然选择、适者生存的进化机制与同一群体中个体与个体间的随机信息交换机制相结合的搜索算法。运用遗传算法求解问题首先需将所要求解的问题表示成二进制编码，然后根据环境进行基本的操作：selection，crossover，mutation……这样进行不断的所谓“生存选择”，最后收敛到一个最适应环境条件的

4、个体上，得到问题的最优解。6,74遗传算法应用一般来说，用户在自动组卷时会对试卷的质量提出多方面的要求，如总题量、平均难度、题型比例、章节比例、重点章节比例、知识点的交叉与综合等，自动组卷就应最大程度的满足用户的要求。因此，在组卷之前，我们首先为自动组卷过程建立控制指标相应状态空间D，D=D的每一行由某一试题的控制指标组成，如题号、题型、章节、难度等，并且这些属性指标都进行编码表示成二进制形式，而每一列是题库中的某一指标的全部取值。在具体出题时，考方可能不会用到所有的指标，所以D包含的个体d_target可以表示为d_r

5、equest和d_void，d_request表示考方要求的控制指标，d_void表示考方不要求的控制指标。即d_target：：=d_request：d_voidd_request：：={0，1}md_void：：={0，1}n试题库STK中的每一道试题在建库时都输入了相应的属性指标。试题模型的产生形式是：ifdatathenmodeldata：：={0，1，#}m#表示0和1之间的任意一位。考试自动出题的遗传算法如下：(1)根据考方的出题要求，规划状态空间库D中的数据，保留d_request部分，而不要d_void部

6、分，对其剩余部分进行编码D1，D2，……Di。(2)初始化试题库STK。随机从题库中抽出一组试题，并进行编号STK1,STK2……STKj,确定合适的交换概率Pc和变异概率Pm；并定义其适应值flexibilityk(k=1,2……j)flexibilityk-0(k=1,2……j)(3)从试题库STK中取出STKm(0≤m≤j)与状态空间库D中的指标Dn(0≤n≤i)进行匹配。如果STKm与Dn完全匹配，则flexibilityk-flexibilityk+1如果不匹配，则有flexibilityk-flexibili

7、tyk+0(4)进行淘汰选择，保留具有高适应度的试题。即把flexibilityk为0的STKm去掉，这样就生成了一个新的试题模型STKh。(5)重复过程2生成新的试题模型STKp。按一定的交换概率Pc从STK中随机选取模型STKh和STKp，交换彼此位串中对应的值，产生新的试题模型STKh、STKp，如交换前STKh=1101011STKp=0011110交换前STKh=1111011STKp=1111110(6)按一定的变异概率从题库STK中随机选出一试题模型STKh进行基因突变，产生一个新的试题模型。(7)在完成以

8、上选择、交叉、变异步骤后，产生一个考试试题模型，按照事先确定的误差精度对其进行收敛性的判别，当其适应度高时，试题组卷成功，转向步骤8，如果其适应度低，则转向步骤3继续执行。(8)输出相应的考试试题，组卷结束。以上用遗传算法抽题时，交换概率Pc和变异概率Pm的确定很重要。Pc太小使选题工作进展缓慢，太大则会破坏适应值高