智能试题库系统【开题报告+文献综述+毕业设计】

《智能试题库系统【开题报告+文献综述+毕业设计】》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、毕业设计开题报告计算机工程智能试题库系统一、选题的背景与意义随着计算机技术的发展，计算机辅助教育作为一门新兴的综合学科，越来越受到广大教育工作者的重视。在计算机辅助教育的研究中，组卷算法是评价考试系统好坏的一个主要因素，一个良好的组卷算法对于准确地检验学生学习成绩和教师教学效果起着非常重要的作用。组卷算法是按照一定的要求，由计算机自动地从试题库中选择试题，组成符合总分、总时间要求和试题题型、试题数量、知识点、难度等约束条件要求的试卷。由于组卷要求生成的试卷能最大程度地满足用户的不同需要，并具有随机性、合理性。因此如何设计一个

2、算法从试题库中既快又好地抽出一组最符合考试要求的试卷，是本文研究的目的。本系统设计以减轻教师在出题、组卷、测试过程中的负担为目标,帮助教师尽可能方便、快速、准确地按照教材大纲、教学方法和教学风格，组织和建立试题库，及根据不同测评面的要求，有效地生成有针对性的测评试卷。本系统出题方便、规范，能形成海量题库管理环境，并能通过随机组卷防止泄题和作弊，教师在短时间内可以按自己的要求完成一套考试组卷，在数秒以内可以完成一套试卷答案，节省了教师的时间。目前的组卷算法大致可以分为三类：1.随机选取法：根据状态空间的控制指标，由计算机随机的

3、抽取一道试题放入试题库，此过程不断重复，直到组卷完毕，或已无法从题库中抽取满足控制指标的试题为止。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组卷过程来说组卷成功率低，即使组卷成功，花费时间也令人难以忍受。尤其是当题库中各状态类型平均出题量较低时，组卷往往以失败而告终。2.56回溯试探法：这是将随机选取法产生的每一状态类型纪录下来，当搜索失败时释放上次纪录的状态类型，然后再依据一定的规律（正是这种规律破坏了选取试题的随机性）变换一种新的状态类型进行试探，通过不断的回溯试探直到试卷生成完毕或退回出发点为止，这种有

4、条件的深度优先算法，对于状态类型和出题量都较少的题库系统而言，组卷成功率较好，但是在实际到一个应用时发现这种算法对内存的占用量很大，程序结构相对比较复杂，而且选取试题缺乏随机性，组卷时间长，后两点是用户无法接受的，因此它也不是一种很好的用来自动组卷的算法。3.遗传算法：模拟自然界自然选择遗传机制进行搜索寻优的方法，通过模拟生物在染色体层面的各种遗传优化作用而设计人工寻优方法，GA本质上是一个群体迭代过程，从一个随机的初始群体出发，依据优胜劣汰原则．通过竞争、选择、繁衍、变异等遗传操作，产生性能更优的下一代群体。直到满足环境约

5、束酌优良体或合乎具体的应用准则为止。分析上述两种算法的优缺点，不难发现，在限制条件状态空间的控制下，随机选取法有时能够抽取出一组令用户满意的试题。只不过由于它随机选取试题的范围太大，无法确定目前条件下哪些区域能够抽取合适的试题，反而可能在那些已经证明是无法抽取合适试题的区域内反复选题，进行大量的无效操作进入死循环，最终导致组卷失败。回溯试探法组卷成功率高，但它是以牺牲大量的时间为代价的，对于现今越来越流行的考生网上随机即时调题的考试过程来说，它已不符合要求。因此,必须结合以上两种方法寻找一种新的改进算法，这种算法要具有全局寻

6、优和收敛速度快的特点。遗传算法（GeneticAlgorithms）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。二、研究的基本内容与拟解决的主要问题：研究的基本内容：1，搭建一个基于web的基本构架。2，完成登录界面，管理界面，出题界面。3，完成与题库的数据库连接。找到合适的出题算法4，出题要求满足用户的特殊要求。如试卷的增加删减，难度的选择，题型的选择等等。561，完成与嵌入word的接口。拟解决的主要问题为：1、建立基于web的智能组卷系统，如登录界面，管理界面，出题界面。寻找

7、到最合适的出题算法。2、组卷要求实现个性化选择：如难度的选择，题型的选择，分数的设定，试卷的增减等。3、尝试完成组卷系统与Word相嵌入，实现试题与答案的排版。三、研究的方法与技术路线：1、本系统的功能：根据教师的要求，组成最接近要求的试卷。其中包括用户功能的管理，试卷的增减，试题的增减，答案的修改，难度分数的设置，重复利用率的设定等。系统基于Web，让教师可以随时登陆，且具有最新的试题库。2、系统功能结构图如下：3、试题库智能组卷的遗传算法：（1）遗传算法的基本思想大自然的生物进化中,一个生物群体要经过交配、变异、自然选择

8、的过程,形成下一代群体,如此循环下去,不断进化,最后生存下来的总是最优的。将这种思想运用到算法中去,就形成了遗传算法,它的基本结构可描述为:随机初始化种群p(0)={x1,x2,…,xn};t=0;计算p(0)中个体的适应值;while(不满足终止准则)do56{根据个体的适应值及选择策略