一种基于动态多维矩阵编码的组卷遗传算法.pdf

一种基于动态多维矩阵编码的组卷遗传算法 王力 1 陈郁明 2 (1.贵州大学 电子科学与信息技术学院,贵州 贵阳 550003) (2.贵州大学 计算机科学与技术学院,贵州 贵阳 550003) 摘要:提出动态多维矩阵表示解(染体色) 的遗传算法,并针对这种染色体在交叉、变异和选择 等遗传算子的实现进行了研究。运行结果表明,算法运行效率较好,有很好的实用价值。 关键词:多维矩阵染色体;遗传算法; 自动组卷 中图法分类号:TP399 文献标识码: B A Genetic Algorithm based-on dynamic multiple dimension matrix coding 1 2 Wang Li , CHEN Yuming (1.School of Electronic Science and Information Technology Guizhou University Guiyang 550003 2. School of Computer Science and Technology, Guizhou, Guiyang 550003) Abstract: The genetic algorithm was proposed by using multiple dynamic dimension matrixes to represent solution (chromosome). And realization of genetic operators such as crossover、mutation and selection, and so on was explored. The operation result reveals that the algorithm has a better efficiency and therefore it is of better practical value. Keywords: dynamic multiple dimension chromosome; genetic algorithm; automatic generating test paper 1 引言 遗传算法(Genetic Algorithm,简称 GA)是一种演化算法,从提出至今不过 50 年时间。与爬 山算法、模拟退火算法和禁忌算法等一样都属启发式有哪些信誉好的足球投注网站算法[1] 。目前遗传算法在函数优化、 组合优化、生产调度、机器人学、图像处理[4][5]和自动编程等诸多领域已经得到成功应用。 在教育领域中,有大量的研究者把遗传算法用于自动排课、自动组卷[2][3]、学生成绩数据挖掘 分析等,并且取得成功。很多自动组卷遗传算法都基于线性二进制串[2] [3] 或整数编码 实现染色 体,本文先介绍了三维矩阵试卷模型,然后提出了一种新的编码方式——动态多维矩阵表示 GA 的解(染色体), 以及交叉算子、变异算子和选择算子的实现。 2 试卷模型构成 试卷是长度为 n 的一维向量π t , t , t ,..., t ,其中 t 是试卷的第 i 道题在试题库中的编 (1 2 3 n ) i 号,并且每道题目具有题型、知识点、分数、难度系数等多个属性。向量 π 中,按题型可把题 目分为 m 类,按照知识点也可把题目分成 k 类。因此,可以把试卷看成一个三维向量 Amnk,m 表示题型数量,n 表示知识点数量,k 为某题型中每个知识点试题数,题库中不同的题型和知识 点k 值不同。矩阵中的元素aijr 表示题型i 及知识点j 的第r 道题的题目编号。设Q[1..n,1..m,1..k] 中元素qijr 保存题目 aijr 的分数,设 x[1..n,1..m,1..k]为一标志数组,试卷满足如下公式: