基于改進遺傳算法的組卷策略的研究.pdf

1、隨著計算機技術(shù)與教育理論的不斷融合促進了計算機輔助教育的發(fā)展，計算機輔助測試作為計算機輔助教育的重要部分而受到越來越多的關(guān)注。在計算機輔助測試系統(tǒng)中，組卷模塊的設(shè)計是否合理直接決定了試卷的質(zhì)量，而試卷質(zhì)量的高低直接決定了考試的信度和效度，因此組卷策略的研究成為了計算機輔助教育中的一個重要課題。本文針對現(xiàn)有的組卷算法組卷效率低、試卷質(zhì)量不夠理想、難以滿足實際考試需要等情況，在傳統(tǒng)遺傳算法的基礎(chǔ)上，提出了基于改進遺傳算法的組卷策略。

2、　　 本文分析了當前各種組卷算法的優(yōu)缺點。遺傳算法在解決組卷這樣的多約束條件下的尋優(yōu)問題方面存在諸多優(yōu)勢。但是，傳統(tǒng)的遺傳算法在解決組卷問題時，存在盲目搜索、局部搜索能力不強、容易得到局部最優(yōu)解和搜索效率低等不足，很難滿足實際考試的需要。本文對傳統(tǒng)遺傳算法產(chǎn)生上述弊端的原因進行了研究和分析，在此基礎(chǔ)上提出改進方案。
　　 本文在教學測量學中的經(jīng)典測量理論的基礎(chǔ)上，建立了試題的指標體系和組卷的數(shù)學模型，確定了組卷問題的目標函數(shù)，

3、并將組卷問題轉(zhuǎn)化為目標函數(shù)的最小化問題。
　　 本文采用實數(shù)編碼方法，大大降低了染色體的長度，提高了組卷效率；對目標函數(shù)進行線性變化，使其更準確的反映出種群和個體的質(zhì)量；引入了自適應交叉變異，根據(jù)當前種群的情況動態(tài)的調(diào)整交叉和變異概率；引入了小生境的技術(shù)，不僅提高了算法收斂速度，而且增加了種群的多樣性；引入了抗早熟運算，防止算法進入局部收斂等。為了檢驗效果的實際組卷效果，本文用模擬題庫對算法進行了性能測試，實際的測試效果表明改進