基于自适应遗传算法的智能考试系统分析

《基于自适应遗传算法的智能考试系统分析》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、硕士学位论文摘要摘要智能考试系统是近几年来随着计算机网络技术迅猛发展而新兴的研究课题。智能考试系统可减少教师重复劳动，提高工作效率。智能组卷可以提高试卷质量，增加了考试的科学性和客观性。本文从智能考试系统的实际需求出发，分析了智能考试系统的主要功能，提出了智能考试系统总体设计方案。本文重点研究了智能组卷算法。组卷问题是一个多目标约束优化问题。遗传算法由于自身的全局搜索性、随机性、较好的编码方式和高度的并行性，非常有利于求解此类问题，因此本文使用遗传算法进行组卷问题的求解。论文分析了组卷目标要求，建立了智能组卷系统问题求解的理论模型，针对遗传算法容

2、易“早熟收敛"现象，使用动态参数自适应调整方法加以改善，实现了自适应遗传算法的智能组卷方案，并基于实际系统进行了算法优化。试题重复性问题在系统中得到了解决，能有效地避免雷同试卷的生成。实验与实际运行的系统表明智能组卷算法具有较精确的性能、系统具有很好的实用性。在此基础上，以深圳电子技术学校高中数学远程教育项目为背景，论文详细介绍了基于．NET平台B／S模式的多层模型，主要论述了采用当前流行的ASP．NET技术和SQLSERVER数据库的智能考试系统的设计与实现。关键词试题库，组卷算法，自适应遗传算法，算法优化硕士学位论文ABSTl认CTABSTR

3、ACTTheintelligenttestsystemisinthelastfewyearsalongwiththerapiddevelopmentinnetworktechniquebutnewlyarisenresearchtopics．Theintelligenttestsystemcanlessentherepeatingworkofteachers，andimprovetheefficiency．Theintelligentpaperformingfunctioncanimprovethequalityoftestpapersandin

4、creasetheobjectivityoftest．Thisarticleembarkedfromtheintelligentexaminationactualdemand，hasanalyzedmainfunctionoftheintelligentexaminationsystem，proposedprogrammeIntelligenttestsystemdesign．Thisthesisfocusesonaintelligentalgorithmofpaperconstruction．Testpaperconstructionisamu

5、lti—objectrestrictoptimizationproblem．Becauseofitsglobalsearch，randomness，thebettercodingandahighdegreeofparallelism，GeneticAlgorithmisveryconducivetosolvingsuchproblems．Sothisthesisusesgeneticalgorithmstosolvetheproblem．Thisthesisanalysesrequirementsoftestpaperconstruction，p

6、roposalsthetheorymodelofintelligentconstructionsystemproblems，USeSthedynamicadaptiveparameteradjustmentmethodtosolvetheproblemof¨Prematureconvergence¨inviewofalgorithm，implementsadaptivegeneticalgorithmsolutionofthetestpaperconstruction，andoptimizesalgorithmbasedonnaturalsyst

7、em．Theproblemoftestquestionsrepeatabilityhasbeensolved，iteffectivelyavoidssimilarpapersGeneration．Experimentandactualsystemprovethatthealgorithmhasmoreaccurateperformanceandthesystemhasbetterpracticability．Inthisfoundation，takingtheShenZhenElectronicTechnicalSchoolseducationi

8、nstitutedistanceearningprojectasthebackground，thisthesisintroducesmu