网络考试系统中组卷算法比较及应用.pdf

《网络考试系统中组卷算法比较及应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第17卷第3期黄冈职业技术学院学报V01．17No．32015年6月JoumalofHuanggangPolytechnicJun．2015网络考试系统中组卷算法比较及应用龚利(郧阳师范高等专科学校，湖北十堰442000)摘要：根据网络考试系统中，智能组卷相关算法的比较和应用，对回溯试探法、随机选取法和遗传算法等三种经典算法进行比较分析，认为遗传算法在组卷过程中，其优化搜索方法和整体搜索策略方面，可以不用依靠其它辅助信息，只要构造出相应的适应值评价函数，就可以求解出来一般约束优化问题，并可以克服算

2、法随机性及盲目性等缺点。同时，遗传算法还能够应对网络考试系统随时更新的试题题库以及相关组卷要求，所以在网络考试系统中，组卷模块选择遗传算法能够实现科学公正的组卷目的。关键词：网络考试系统；组卷算法；遗传算法中图分类号：TP301．6文献标识码：A文章编号：1672-1047(2015)03-0094-03DOI：10．3969／j．issn．1672-1047．2015．03．26在网络考试系统中，组卷模块是核心模块，一直到组卷生成完毕。或者组卷模块无法从系统试份试卷组合是否科学，是否难易适中都由

3、组卷模块题库中，提取到满足控制指标的题目而终止。随机来实现，因此，组卷模块算法的优劣将决定该网络选取法的优点就在于其结构简单，抽取试题速度较考试系统的开发成败。快，但对于整个组卷过程来说，组卷成功率低，通常要花费相当长的时间，才能完成试卷的生成。1几种算法比较1．3遗传算法在网络考试系统中，智能组卷技术通常有以下这是一种并行的、智能优化的算法，其模拟了三种算法：回溯试探法、随机选取法及遗传算法。达尔文自然进化论中“优胜劣汰、适者生存”的进1．1回溯试探法化法则。其随机的以一定规模在试题库中初始化该

4、算法将随机产生的每一状态类型都记录下一个种群，然后算法自动按照约束，在试题库中，寻来，系统在搜索时，当遇到失败时，就会释放掉上次找符合约束条件的组卷，遗传算法的优点就在于其随机产生记录的状态类型，然后，依据一定的策略，可以在试题库中有效的搜索满足控制指标的试卷再将其转变成一种新的状态类型进行记录和试探，信息，因此，网络考试系统系统选用遗传算法来完在通过不断的回溯试探搜索，直到我们的试卷生成成试卷的自动组卷技术。完成，或者搜索本次失败。这种算法对于状态类型少，或者组卷题量较小的试题库时，它们生成的试

5、2遗传算法在组卷模块中的应用卷组卷成功率是比较高的，但通过实际应用分析可在组卷模块中，主要从组卷模块的业务处理流以看到，这种算法有以下几个缺点：程序结构复杂、内存消耗量大、不能随机的选取试题。程、组卷算法、遗传算法及改进和组卷数学模型四1．2随机选取法个方面进行介绍。该算法可以根据目标需求的控制指标，从试题2．1组卷模块业务流程库中随机的抽取试题生成到试卷内，经过循环，一组卷模块的主要业务流程如图l所示。收稿日期：2015—05一l1作者简介：龚利，男，湖北十堰人，硕士，讲师。研究方向：计算机应用

6、技术。·94·第3期网络考试系统中组卷算法比较及应用第l7卷rpopsize／2]个体后，与当前归档集NDSet中的个体比较，选择适应值高的前[popsize／2]个个体保存至外部归档集NDSet中；(5)Step5：利用自适应遗传算子使种群P进行遗传操作，并使得种群P的个体规模2pop-size；(6)Step6：分析种群P中有多少个染色个体，然后对染色个体进行解码，通过对第i个组卷指标值的利用，计算出F；和个体的指标值它们之间的绝对误差值t，并根据第i个指标的权重w；，进行个体适应值评价，计算

7、出种群P中个体的适应度；然后按个体适应度的高低进行排序，选择pop—size个个体保存到种群P；(7)Step7：geil=gen+l；(8)Step8：若gen

8、数，题型分数、试它为解决复杂优化问题提供了一个良好的框架，然而由于遗传算法的随机性，导致算法出现波动性或卷难易度、考试知识点覆盖度、试卷区分度以及考容易陷入停滞现象。因此，对遗传算法做出以下两试起始时间。然后点击生成试卷，系统对用户输入点的改进。的参数进行合法化检查，不合法提示用户，并让用(1)自适应遗传算法户重新设置参数，否则，继续下一步，进入遗传算法遗传算法在进行到早期时，在种群中个体之间(IGA)算法处理流程，等待IGA生成组卷，选择符的差异比较大，有较大的交叉概率和较小的变