基于遗传算法智能组卷方案的调整.docVIP

基于遗传算法智能组卷方案的调整 　　引言：本文介绍了传统遗传算法的组卷方案，针对遗传算法的“早熟”现象分析传统遗传算法组卷的缺点，并提出了改进方案，是对遗传算子合理设置，通过实际组卷评估，此方案能大大减少组卷时间，并能组出较高质量的试卷，大大提高工作效率。 　　一、传统遗传算法 　　传统遗传算法是使用二进序列组合进行编码的。有一个最初的编码集合，我们称为初始种群。在此基础上，采用适应度函数进行策略选择，使用交差和变异两种操作来产生下一代种群，就这样，一代一代的遗传下去，直到出现满足条件时候为止。 　　二、传统遗传算法“早熟”现象分析 　　随着种群进化的不断扩大，就会产生很多高适应度模式的个体，并且是呈指数幂次的速度递增，这样就会导致种群个体相应部位的基因趋于收敛，最终种群个体的多样性就会受到影响。在理论上，遗传算法的种群规模是不受限制的，上一代群体中的优秀模式一定能够在下一代中，因此，随着种群多样性的减小，种群必然收敛到问题的最优解。但我们在实际应用中，由于时间、资源、种群规模等各种因素的制约，就不可避免的造成种群个体多样性过早的趋于一致，会使搜索算法停滞不前，最终收敛于一个局部最优解，而无法收敛于全局最优解，这就是“早熟”现象。 　　“早熟”现象原因： 　　（1） 群体规模：当群体规模较小时，就会使群体中先天的等位基因不足，即便是人为的调整变异算子，生成具有较好的基因