校园网络考试系统中组卷算法的研究.docVIP

校园网络考试系统中组卷算法的研究 　　摘要：随着计算机网络技术的飞速发展与教育教学思想的更新和进步，教育教学信息化是当今教育发展的必然趋势。其中，作为近几年新兴出来的网络考试系统，基于其自身公正、客观、准确、安全、不受地域限制等特点，正越来越被受到重视并加以应用。该文通过对网络考试系统智能组卷算法进行研究，分析了传统的随机组卷、优先权组卷、编选组卷等算法，在目前较为流行的遗传算法基础上，提出了一种改进型遗传组卷算法，使组卷算法的搜索能力更加的出色。 　　关键词：随机组卷；遗传算法；染色体 　　中图分类号：TP301 文献标识码：A 文章编号：1009-3044（2013）29-6618-03 　　1 传统组卷策略算法概述 　　通常的网络考试系统计算机智能组卷策略算法有随机算法、优先权算法以及遍选算法等，这些算法的本质都是根据用户设置试卷生成的条件参数，按某种试卷生成算法，从试题库中选择符合要求的试题形成试卷，使其符合考试要求，同时具备科学性、随机性以及合理性。 　　1）随机算法 　　该算法一般根据出卷者所提出的要求，提取生成组卷的约束条件参数从而进行判断，如果成功，则随机在试题库中抽取待选试题，同时从试题库抽去这一待选试题的题号以防下次再次抽取，如果判断不成功，则再次利用算法进行循环往复的选择，直至当满足约定条件的试题选出并选进试卷，即停止。通过设计利用一个随机数公式生成随机数从而组卷。考虑公式如下： 　　rand=Int（（upl+lol）/2*rand+1） 　　其中rand是算法生成随机数，upl是满足要求的下限随机值，lol是满足要求的下限随机值。 　　以题库表bank.dbf选题举例抽取M题试题，并生成试卷表question.dbf，流程图如下： 　　图1 随机抽题算法流程图 　　2）优先权算法 　　对于试卷组卷中难度大、分值大、有针对性、学生得分较低、高分少的一些试题特点，考虑可以使用优先权策略来确定题型顺序，题目选择。通过试题的难度值以及区分度值的获取，可以采用将难度值高的或者区分度较高的题型先选。通过如下的优先权公式：YXQ=[试题难度值+试题区分度值2]。YXQ具体取值数字越高，越说明该试题所处的试题题库分布较少，试题的区分度值越大、相应的试题难度较大、组卷的困难程度较大，所以应该先选入试卷。通过YXQ值来确定试题选入试卷的优先顺序。 　　3）遍选算法 　　遍选算法顾名思义就是将题库中所有的试题进行一一检验，最后逐一选出适合条件的试题算法。本算法所用时间较长，花费资源较多，因此仅当前两种算法的使用不能满足要求、某些试题未被选出时，则可以考虑本算法。 　　综合以上三种常见的组卷算法进行考虑，发现对于一些题库较少，并且考试规模较小的考试而言，常见的组卷算法可以较好完成组卷任务，但是，针对学校范围较大，规模较广的多门学科考试，则并不一定可以很好地完成出卷任务。 　　2 改进型遗传算法 　　对此，需要找寻一种新的算法，不但能够综合之前三种常见算法的优点，并且能够具有题库智能搜索的功能，且速度收敛迅速等优点。因此探索采用了以下的一种改进型遗传策略算法作用于系统： 　　常见的遗传算法策略一般被认为是一种全局性的算法，它借用了生物遗传学的观点，利用生物学上的遗传、选择以及变异等机制，实现了生物个体适应能力的提高，实质上是一种搜索寻优技术。它从某一初始群体出发，按一定的规则计算，逐步趋于最优解。具有智能式搜索、渐进式优化、全局最优解、黑箱式结构、通用性强、并行式算法等特点。但是对于复杂的考试系统，如果采用固定不变的遗传进化策略的话，效果并不理想。综合这些特点，策略改进具体描述如下： 　　1）初始种群的改进 　　为实现全局最优解，初始种群在随机产生时要尽可能改变其分布的不均匀，使其在解空间中尽量分散，均匀分布。一种方法是在个体与个体之间设置距离限制，要求入选种群的个体间距离必须大于该限制距离，使初始群体均匀分布；另一种方法是将解空间分割，使每一个分割出来的子空间都可以进行初始种群选择，然后再将其合并，生成最终的总的初始种群，达到均匀化的目的。该文采用第一种方法促进初始种群的改进。 　　2） 个体染色体调控 　　通常对于遗传算法中个体的优劣程度采用的是整体性的一种适应度评价，突显不出个体相应染色体位的优劣情况。针对生物遗传学上有更改生物的基因染色体而使生物本身的适应能力得到提高这一做法状况，，遗传策略算法也可以利用这样的方法。从评价某个单一个体的适应程度而更改为评价该个体染色体基因属性，从而从更细的层面上调整个体，使遗传算法更加具有针对性和目的性，减少算法时间，提高效率。具体评价方法基于个体染色体值出现的活跃程度，活跃度较高的染色体可被认为较为优秀，被保留的可能性较大，反之，则较为低下