一种基于改进遗传算法的选题策略参考.pdfVIP

福 建 电 脑 U J I A N C O M P U T E R F DOI:10.16707/j.cnki.fjpc.2017.05.072 一种基于改进遗传算法的选题策略 杨新年 （黑龙江工业学院 黑龙江 鸡西 158100） 【摘 要】为提高在线考试中试卷中题 目的质量和组卷的效率，提出一种基于遗传算法的优化方式。 该算法通过一种 实数矩阵进行编码，使用线性尺度变换方式来得到目标函数，对初始种群进行多条件约束，同时改进操作方法，选题组卷 过程效率和质量均得到提高。 【关键词】考试系统；遗传算法；实数矩阵；尺度变换 0. 前言 2.2 采用线性尺度变换函数 当前的在线考试系统中，多数都是在选题过程中，使用随 在设计适应度函数的过程中，其定义域可以定义为不 同的 机选取的方式 。 该种方法的随机性很强，由此导致试卷的难易 集合。 适应度函数应有较好的可区分性，对不 同的输入，应计算 程度不可控，因此使得试卷不够稳定，不能够满足实际考试的 出有区分度的输 出，同时有 良好的有哪些信誉好的足球投注网站时间和空间效率。 需求[1-3] 。 本文使用一种基于线性尺度变换方式的适应度 函数来解 人们对这个问题不断的研究，发现使用遗传算法等人工智 决选题问题。 其基本思想是通过给目标属性赋权值来表示目标 能算法来进行选题，可以取得较好的效果[4-5] 。 本文以此为基础， 函数，并通过各属性值的权值之和计算得到总体的适应值。 深入研究了遗传算法在选题过程中的速度和稳定性问题。 使得 目标属性的权重分配方法采用分段函数，试卷的目标 函数 最后选取组成的试卷有很好的稳定性，能够兼顾各种需求。 n 可按照目标属性的权重分配表示为： f = w f ， 本文利用 F= 1. 智能选题问题的基本方法 Min ∑ i i 智能选题是指在利用计算机进行选题时，系统可以利用预 exp （-af ）将适应度函数转换为目标函数 。 先设定的选题要求和参数，遵循一定的规则策略，自动的将试 2.3 采用多约束条件设置初始种群 题从试题库中抽取出来的过程 。 在实际应用中，用户一般对选 本文采用一种改进的初始种群方法来提高遗传算法在智 题的要求有模糊性的特点。 因此如何将模糊的选题条件清晰明 能选题问题中的收敛速度。 其基本思路是考虑知识点、题型对 确的以计算机能识别的定量形式进行表达，是智能选题系统的 系统的约束，考虑多个系统参数来生成最终的更有的试题群 。 一个亟需解决的问题。 2.4 操作方法的改进 智能选题一般采用下面的方法，第一步 明确选题要求与参 在传统的遗传算法中的选择 、杂交 、变异三种操作方法的 数，对选题的要求以指标的形式进行量化；第二步建立数学模 基础上，本文对其进行了改进，使算法更加科学，适应性更好。 型，根据建好的指标体系建立对应选题策略的数学模型；第三 对选择算子， 提出通过适应值排序 的方法来进行选择 ，减 步选题问题求解。 第四步题目的选取、组合。 小比例变换参数的影响。 2. 基于改进遗传算法的选题策略 对杂交算子，利用分段多点杂交策略来避免杂交子代 中的 在智能选题过程中 ， 用