学位论文 > 优秀研究生学位论文题录展示
基于改进微粒群算法的组卷系统
作 者: 汪斌
导 师: 马旭飚;刘斌昕
学 校: 电子科技大学
专 业: 软件工程
关键词: 自动组卷 微粒群 遗传算法 动态权重
分类号: TP391.6
类 型: 硕士论文
年 份: 2011年
下 载: 41次
引 用: 0次
阅 读: 论文下载
内容摘要
随着计算机技术的不断发展,将计算机技术应用于教育领域成为新的热点。如何使用高效,智能的算法,使组卷变得更随机,更正确,从而减轻出卷者的压力是当前一大难点。目前虽然已经有多种算法在实践,但是由于计算机组卷问题的约束条件太多,而且各种算法在组卷过程中显现出较大局限性,促使笔者继续研究其它算法组卷的可能性。本文研究了国内外大量的组卷算法和组卷系统,重点对智能组卷的算法进行了深入的研究。文章首先介绍了自动组卷产生的背景,以及国内外的发展情况。研究了多种组卷算法,并分析了他们的优缺点。组卷的过程由多个指标构成:如时间,区分度,题型,难度等,然后分析各个指标之间的关系,提出相应的数学模型,最终得到组卷的目标函数。目前,作为比较通用的组卷算法,微粒群算法是一个效果相对较好的算法,本文介绍了该算法的特点,研究背景。并将该算法和其他算法进行了各方面的比较,该算法有很多优点,但也有一些缺点,比如采用该算法的组卷系统能够很快得出局部最优,但也容易陷入局部最优。到后期,该算法的收敛速度会变得比较慢。因此本文对该算法进行了改进,引入了动态惯性权重等,改进后的算法收敛速度明显加快,在全局上的搜索性能也大幅提升。通过分析和改进微粒组卷算后,作者设计并实现了一个应用了该算法的智能组卷系统,该系统使用了目前比较热门的jsp技术来进行编码。本文不但组卷算法进行了研究,提出了一种改进的算法,还实现了一个组卷系统,并对组卷系统进行了大量的测试,来验证改进后的算法是否在各个方面是否有提升,实验证明该算法速度快,随机性好,组卷结果质量高,符合组卷前的预期设定。
|
全文目录
摘要 4-5 ABSTRACT 5-10 第一章 绪论 10-13 1.1 研究背景及意义 10 1.2 国内外研究现状 10-11 1.3 本文的主要工作 11-13 第二章 组卷的建模 13-29 2.1 组卷原则 14-15 2.2 组卷算法 15-16 2.3 试题的参数 16-20 2.4 试题属性 20-21 2.5 试卷模式 21-28 2.5.1 难度-分数分布 21-22 2.5.2 区分度-分数分布 22 2.5.3 知识点-分数分布 22-23 2.5.4 题型-分数分布 23-24 2.5.5 认知层次-分数分布 24 2.5.6 答卷时间-分数分布 24 2.5.7 试题分数-分数分布 24-25 2.5.8 偏差的计算 25-27 2.5.9 目标函数 27-28 2.6 总结 28-29 第三章 微粒群算法 29-42 3.1 智能算法 29-30 3.2 微粒群算法 30-37 3.2.1 微粒群算法背景 30-31 3.2.2 微粒群算法的定义 31 3.2.3 微粒群算法的原理 31-33 3.2.4 全局模型和局部模型 33-34 3.2.5 微粒群算法分类 34-36 3.2.6 其他智能算法 36-37 3.3 微粒群算法的改进 37-41 3.3.1 带惯性权重的粒子群算法 37-38 3.3.2 带遗传思想的微粒群算法 38-39 3.3.3 基于动态领域改进的微粒群算法 39-40 3.3.4 解决离散问题的微粒群算法 40-41 3.4 总结 41-42 第四章 改进的微粒算法的设计及测试 42-50 4.1 算法的目的 42 4.2 组卷的步骤 42 4.3 组卷的参数分布 42-43 4.4 组卷思想 43 4.5 算法的改进 43-46 4.5.1 加入动态惯性权重 43-44 4.5.2 全局最优解变异 44-45 4.5.3 引入选择机制 45 4.5.4 编码方式 45-46 4.6 对基于遗传算法的微粒群的改进 46-50 4.6.1 算法流程 46-47 4.6.2 按题型分段编码 47 4.6.3 适应度函数 47-48 4.6.4 全局最优解变异 48 4.6.5 选择算子 48 4.6.6 动态惯性权重ω 48 4.6.7 算法的终止条件 48 4.6.8 冲突解决方法 48-50 第五章 基于改进微粒群算法的组卷系统的实现 50-63 5.1 系统开发环境 50 5.2 系统设计 50-51 5.3 数据库设计 51-52 5.5 各功能模块设计 52-63 5.5.1 用户管理 52-53 5.5.2 题库管理 53-56 5.5.3 试卷管理 56-57 5.5.4 考试管理 57-61 5.5.5 成绩管理 61-63 第六章 测试分析 63-68 6.1 选择和变异对测试结果的影响 63-65 6.3 POPSIZE 对算法的影响 65-66 6.4 c1 对算法的影响 66 6.5 c2 对算法的影响 66-68 第七章 总结 68-69 致谢 69-70 参考文献 70-73
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 遗传算法在物流仓储优化中的应用研究,F259.2
- 微粒群算法的改进与应用研究,TP18
- 磁流变阻尼器的力学特性及其在火炮反后坐中的应用研究,TB535.1
- 基于B/S的在线考试系统设计与实现,TP311.52
- 量子遗传算法及其在调度问题中的应用研究,TP18
- 高职高专院校学生在线考试系统的设计与实现,TP311.52
- 基于WEB技术的考试系统的研究与实现,TP311.52
- 基于J2EE的网络教学平台设计与研究,TP311.52
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 教学机、学习机
© 2012 www.xueweilunwen.com
|