通用在线考试系统智能组卷遗传算法设计.docVIP

通用在线考试系统智能组卷遗传算法设计 　　摘要：组卷算法设计是考试系统设计的核心。在分析通用在线考试系统的特点及组卷原则的基础上，首先建立一种改进的组卷数学模型；接下来依据该模型主要从编码方式选择、适应度函数的确定以及遗传算子的设计等方面详细设计通用在线考试系统采用的改进的遗传算法；最后，给出基于改进的遗传算法的智能组卷流程。应用表明，采用该算法实现的本系统的组卷功能在组卷的速度和成功率都得到显著提高，较好地满足了各类课程的组卷需求。 　　关键词：智能组卷；遗传算法；组卷数据模型；组卷流程；通用在线考试系统 　　中图分类号：TP311.13文献标识码：A 　　Abstract：Intelligent algorithm of assembling test taper is the core of the test system design. Based on analysis of the characteristics of the common online examination system and the general principles， firstly an improved test paper generated mathematical model was established. Then the improved genetic algorithm was designed mainly from the following three aspects： the coding scheme selection， the fitness function determination and the genetic operator design. Finally， the intelligent test paper process of the adopted improved genetic algorithm was shown. Applications show that the test paper speed and success rates have been significantly improved to better meet the needs of various courses of test paper. 　　Key words：intelligent generating；genetic algorithm；test paper generated mathematical model；test paper generate process；common online examination system 　　1引言 　　通用在线考试系统是我院自行开发，并且已经在军队院校以及各基层单位得到了广泛应用。在考试系统中，组卷算法设计的好坏将直接影响着考试系统性能的优劣。优秀的组卷算法不仅应该能够根据任课教师的各种要求及课程的特点智能生成考试试卷，还应满足考核不同层次学生的需要，以便能够真实、有效地反映学生的学习能力和教师的教学水平。 　　不论是在组卷质量还是在性能方面传统的组卷算法（如回溯试探法、随机抽题及误差补偿法等）都难以满足组卷要求。遗传算法（GA）是对自然现象或过程进行模拟而形成的，它通过模拟达尔文的自然选择学说和自然界的生物进化过程而形成的一种计算模型。它的收敛性也很好，可以有效解决计算量大的问题，而这些特点是处理智能组卷中所必需的，所以遗传算法已成为目前在线考试智能组卷的首选算法。[1-2]而传统的遗传算法在收敛速度和计算全局最优解之间存在矛盾，容易产生早熟现象、局部寻优能力差等缺点。因此，结合遗传算法的优点和缺点，通用课程在线考试系统在实现智能组卷时采用了一种改进的遗传算法来实现。 　　2智能组卷的数学建模 　　组卷问题的数学模型的建立是组卷算法实现的基础，它决定了组卷算法性能的好坏。结合通用在线考试系统的功能特点及组卷的原则，本文建立了一个适合于本系统的多目标优化组卷数学模型。 　　2.1试题属性的确定 　　通过遗传算法高效精确地完成组卷时，试题属性的设置要满足经典测量理论的需求。[2]试题属性的设置以能把整套试卷中的试题的情况说清楚即可，属性不能太多也不能太少。依据这一原则，本系统选取设置的试题属性主要有以下几个： 　　1）题号：区分试题的唯一属性，在数据库设计中设置为试题的主键。 　　2）题型：主要包含单选题、多选题、填空题、判断题、改错题、程序设计等多种题型，可根据课程特点对题型进行灵活地设计。 　　3）分数：该题目在试卷中所占的分值，主要依据题目的难度及所涉及的知识点来确定。 　　4）难度：反映试题的难易