基于遗传算法的组卷系统的研究与应用

来源 :南昌大学 | 被引量 : 0次 | 上传用户:knh1988
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
组卷问题是一个满足多重约束条件的多目标优化问题,运用传统的数学方法解决组卷问题十分困难,在自动组卷的过程中,组卷系统的效率和生成试卷的质量主要取决于组卷算法的设计和试题库的设计。目前实现组卷问题的算法主要有随机搜索算法、回溯试探算法、基于优先权的算法、误差补偿算法、遗传算法等。利用组卷系统生成的试卷必须最大程度地满足用户的需求,所以,如何设计一个高效的组卷算法,从试题库中快速地抽出一组试题并生成试卷是本文研究的重点。遗传算法是一种模拟达尔文的生物进化论的自然选择和遗传机制的全局搜索优化算法,由于它具有较好的全局寻优性,而且收敛速度快,因此非常适合解决组卷问题。本文在分析试卷的指标属性后建立了试卷的指标体系,并在此基础上建立了一个多目标函数优化的数学模型,最后根据建立的数学模型将改进后的遗传算法应用于组卷系统中本系统采用Visual Studio 2008开发工具,是基于C#语言的ASP.NET 2.0技术实现的,所用到的数据库是SQL Server 2008。在系统的实现过程中,采用了软件工程的思想,运用了目前比较流行的RUP开发模式,成功地将遗传算法应用于组卷系统中,并且在服务外包平台中得到实现。经过大量的实验证明改进后的遗传算法在组卷的效率和生成试卷的质量上比传统的遗传算法有明显地提高,证明该算法是有效的、可实现的。
其他文献
随着虚拟化技术的发展, CPU和内存虚拟化已经取得了很多研究成果,但是I/O虚拟化仍然面临着一些挑战。当前,Xen半虚拟化方式并没有提供对声音设备虚拟化的支持,导致用户在Xen
智能规划是隶属于人工智能领域的一个重要研究方向,近年来受到许多学者的关注。而不确定规划则是其中的一个重要分支。近几年来,有较多针对不确定规划的研究,但由于在求规划
随着网络技术的高速发展,出现了大量的网络设备和复杂的网络环境,网络管理的工作越来越复杂。网络管理系统在对各种网络设备进行综合管理的同时,必须保证自身的可靠性和高效
随着我国服务业的迅速发展,使得人们的工作、生活更为快捷、便利。然而,对于那些长期使用定时付费方式的后付费型服务(如:电信、电力、煤气等)的欠逃费现象也日益增加,造成服务企业的经济损失与资产流失,增加其运营成本,影响企业的业务发展,导致企业难以向社会提供更优质的服务。为有效解决上述问题,可以基于服务企业积累的海量数据,从中挖掘欠费行为的潜在规律及其主要影响因素,应用各种数据分析工具,构建数学预测模型
图像处理在现实生活中有着极其重要的作用,而图像分割作为图像处理领域的重要研究内容之一,广泛应用于遥感和生物医学图像分析、工业自动化、安保监视,以及军事等方面。图像
相比单目标优化问题(SOPs),现实生活中,存在大量的非线性、高度复杂的工程问题,这些问题大多都是多目标优化问题(MOPs)。多目标优化问题具有多个需要同时优化且相互冲突的目
随着Java EE应用的不断发展,越来越多的应用共性被提炼出来并形成Web应用服务器的功能服务。然而,将实现不同功能服务的各模块组织起来,形成一个完整的稳定高效的Web应用服务
手势作为一种自然直接的交流方式,是一种新型的人机交互模式。操作者只需要通过在设备之前形成手势,便可与计算机进行互动。目前手势识别的理论和技术发展并不成熟,该领域是
随着支持向量机的广泛应用,其在大数据集上训练效率问题以及通过参数优化提高其性能的问题受到人们的广泛关注,本文就这两个问题做了以下研究:首先提出了一种基于多核并行的支
随着互联网的发展,网络学习已成为一种重要的学习方式。越来越多的企业和组织都构建了自己网络资源库,给人们学习带来了丰富的信息和极大的便利。但是,随着网络学习资源数量