在线考试系统中组卷技术的研究

组卷模块能否高效率地生成符合系统要求的试卷是评估考试系统的重要因素。遗传算法(GA算法)近年来在解决多重约束问题的求解中应用非常广泛。把遗传算法应用于自动组卷,在标准遗传算法的基础上进行了改进,采用分段编码,基于误差的适应度函数和动态交叉及变异概率。采用遗传算法的智能组卷系统既能很好的满足组卷的约束,且效率远高于传统的回溯算法。     

基于遗传算法的自动组卷算法的设计

自动组卷系统中组卷算法的好坏直接影响到组卷的效率和质量,本文分析了各种常用的组卷算法,提出将改进的自适应遗传算法用于解决组卷问题,以提高组卷效率。并详细论述了基于遗传算法的自动组卷策略的实现过程。     

网络有效教学中在线考试系统的组卷策略研究

在线考试系统的组卷策略是网络有效教学中研究的重要问题之一,在比较常用的组卷算法的基础上,以计算机文化基础课程组卷为例,对回溯选取法组卷的需求和算法进行了详细分析,并且加以设计实现。确保了试卷中试题分布的随机性和知识点的完全覆盖性,提高了将试题组成试卷的质量和效率,保证了网络有效教学中在线考试的公平性和客观性。     

网上考试系统自动组卷功能实现

自动组卷是网上考试系统中题库系统必须具备的核心功能,主要难题是怎样保证生成的试卷能最大程度地满足用户的不同需要,并且具有随机性、科学性、合理性,尤其在网络考试环境下,用户对组卷的速度要求较高,因此选择一种高效、科学、强壮的算法是自动组卷的关键.本文提出的改进遗传算法很好的实现了自动组卷的功能.     

基于遗传算法的自动组卷平台构建研究

本文提出了一种基于遗传算法的自动组卷平台构建模式,可在试题库中按照预先设置好的试卷和试题约束条件自动快速搜索合适的试题,最终组成一套最佳试卷,进而帮助教师更好地全面考核学生掌握程度。     

基于遗传算法的智能组卷系统数据库结构探究

智能组卷系统中遗传算法的运用,能够模拟生物遗传规律,以自然进化原理为基础,通过大量的运算,实现最优试卷的生成,其对于试卷编组而言是一项十分重大的突破。     

组卷算法的改进与实现

本文讨论了一种组卷算法与人工神经网络相结合的改良策略。设计了一种反馈算法,主要针对在组卷时,试题难度分布按照考试结果进行适当调整。目的是让试卷的难度更加符合本校学生的实际水平,进而使考试结果更加接近期望的正态分布。     

《口腔内科学》试题库的应用与分析

为了提高口腔内科学课程的教学质量,有效共享教学资源,减轻教师在教学过程中人工组卷的工作量,本研究使用试题库系统自动组卷并对试卷质量做出综合评价。结果显示考试成绩可信、有效,但试题库质量还需进一步提高。     

基于网络考试的试题库设计及组卷策略的研究

试题库设计及组卷策略是网络考试系统的核心内容,同样也是开发系统的重点和难点。根据试题库建库要求,运用试题库建库理论,设计基于网络考试的试题库逻辑结构,并在此基础上,提出基于人工设置参数的组卷策略,既能仿真人工组卷方法又能确保试卷的多样性和针对性。     

基于公交车开展物流配送的车辆路径优化问题

本文主要研究基于公交车开展物流配送的车辆路径优化问题，通过一种新型的城市物流配送模式来缓解城市拥堵、减少物流配送总成本。该配送模式分为公交车配送和配送车辆配送两层，利用公交车的剩余容量来减少运输成本。同时建立了总成本最小为目标的优化模型，并使用改进的遗传算法对模型进行求解。本文在遗传算法生成种群的过程中，采用模拟退火算法进行优化拓展解的空间，提高改进算法的全局和局部空间搜索能力。最后经实例验证，改进的遗传算法能够找到更短的行驶路线，验证了算法的有效性。     

MGASA算法求解物流中货物最佳运输路线

本文首先描述了在物流系统中,货物运输中的实际情况,对运输的成本、时间限制加以描述,并建立了数学模型。然后在对遗传算法和模拟退火算法进行分析对比的基础上,讨论了它们各自的优缺点,并将模拟退火算法和遗传算法相结合,构造混合遗传模拟退火算法。克服了单一遗传算法的不足,增强了其优化行为,并提高了优化的效率。在物流最佳运输路线问题上,混合遗传模拟退火算法表现出计算速度快,准确度高的特性。     

基于点阵信息多序列比对算法研究

对生物信息学的探究中,多序列比对一直是序列比对中最复杂、最难解决的根本性课题。以下将遗传算法与点阵图法结合在一起,统计点阵图中序列沿对角线平行线对齐数量,并将其用于初始种群生成及变异过程中,使遗传算法进行选择、交叉、变异等进化过程所使用的种群更合理,进而更快得到适应度较高的个体,提高进化速度。为了提高算法搜索能力,所用遗传算法中使用小生境技术和精英保留。     

遗传算法原理在机械工程中的应用

在计算机时代,解决科学与工程问题的手段主要是程序与优化算法,求全局最大主峰重要的是找到主峰以及爬峰的速度,即寻优,最常采取的办法有穷举法,但这种方法会造成信息浪费。保证算法简便且通用性更强,遗传算法在众多算法中脱颖而出。文章对遗传学算法的原理、计算基础和操作做了介绍,并对遗传算法原理在机械工程中的应用予以简单分析研究。     

智能组卷系统的研究与实现

试题组卷是考试系统的重要组成部分。通过在编码策略、适应度函数、遗传算子、控制参数等方面的研究提出一种适应于试题智能组卷的改进遗传算法。对适应度函数的适当定标和建立自适应的交叉概率和变异概率,有利于克服未成熟收敛现象,同时能在维持群体多样性的情况下,防止群体进入局部最优。     

基于遗传算法的电子商务物流车辆路径系统的优化

在一般车辆路径系统的基础上,介绍了一般性遗传算法的常规流程,并在遗传选择、交叉和变异环节进行了改进,通过实证证明了改进遗传算法有效可靠,提高了算法的收敛速度。     

基于贪婪算法的改进自适应遗传算法及其应用

本文将改进的自适应遗传算法和贪婪算法相结合用于0-1背包问题的求解。此算法对交叉率和变异率进行了优化,实现了交叉率和变异率的非线性自适应调整,并对不可行解进行了贪婪修复。实验结果表明,相比传统的自适应遗传算法,新算法收敛速度快,寻优能力强,具有更可靠的稳定性。     

基于改进遗传算法的FIR数字滤波器的优化设计

提出了利用基于BP(Back Propagation)神经网络的遗传算法来设计FIR数字滤波器的方法。针对遗传算法很难实现全局最优和搜索速度比较慢的缺陷,提出了改进算法,该算法充分利用了遗传算法的全局搜索功能强和BP神经网络的搜索效率高,优化了搜索时间,提高了算法性能,对于解决大规模多极值优化问题特别有效。最后,以设计低通滤波器的实例验证算法的可行性。     

遗传算法求解最佳证券投资组合

遗传算法作为一种高效并行的全局优化搜索方法,已应用到许多领域,在求解科学研究和工程技术中各种组合优化搜索与优化计算问题方面取得了成功。本文将遗传算法引入到证券投资分析领域,利用该算法对最佳证券组合问题进行优化计算,使求解过程更简洁、直观,适合计算机进行并行处理。本文简要介绍了遗传算法的框架并举例说明了利用遗传算法计算最佳证券组合问题的求解步骤。     

基于禁忌遗传粒子滤波的无线传感器网络的目标跟踪

提出了一种禁忌遗传粒子滤波跟踪算法。用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以提高遗传算法的局部搜索能力,避免收敛到局部最优点。仿真结果表明:与原算法相比,禁忌遗传粒子滤波算法在大噪声条件下改善了粒子贫乏问题,提高了跟踪精度。     

基于禁忌递阶遗传粒子滤波的无线传感器网络的目标跟踪

提出了一种禁忌递阶遗传粒子滤波跟踪算法.结合禁忌搜索算法和递阶遗传算法提出一种禁忌递阶遗传算法,用递阶遗传算法作全局搜索,用禁忌搜索算法作局部搜索,该算法能在一定程度上克服早熟问题,避免收敛到局部最优点.仿真结果表明:该算法在大噪声条件下改善了粒子贫乏问题,提高了跟踪精度及速度.