遗传算法在试题库组卷中的应用.pdfVIP

第25卷 第 8期 赤峰 学 院 学报 (自然 科 学 版 ) V01．25No．8 2009年 8月 JournalofChifengUniversity(NaturalScienceEdition) Aug．2009 遗传算法在试题库组卷中的应用 任海涛 (枣庄学院 教育技术与传播 系，山东 枣庄 2771600) 摘 要：为了提高网络考试系统中抽题组卷的性能，对遗传算法的基本要素进行了研究，设计了一种基于遗传算法的抽 题组卷算法．实验数据表明，该算法具有较好的使用性能和实用性． 关键词：遗传算法；自动组卷；试题库 中图分类号：TP301．6 文献标识码：A 文章编号：1673—260X(2009)08-0034-03 1 引言 2．4．1 选择 自动组卷是网络考试系统的核心功能，组卷成 选择操作决定如何从当前种群中选择个体作 功与否决定了考试的质量．遗传算法以其 自适应全 为产生下一代种群的父代个体．选择过程体现了生 局寻优、智能搜索和收敛速度快的特点，适宜于解 物进化过程中适“者生存，优胜劣汰”的思想，并且 决大范围和复杂度高的问题求解． 保证优良基因遗传给下一代个体． 遗传算法借用了生物遗传学的观点，每个物种 2．4-2 交叉 的特征均来 自于该物种的基因排列，通过模拟 自然 交叉算子是模仿 自然界有性生殖的基因重组 进化的遗传、变异等机制，实现各个个体的适应性 过程，其作用在于将原来的优良基因遗传给下一代 的提高，这一点体现了自然界中物“竞天择、适者生 个体，并生成包含更复杂基因结构的新个体． 存”的进化过程． 2．4．3 变异 2 遗传算法基本构成要素 变异操作模拟 自然界生物体进化过程中染色 2．1 染色体编码 体上某位基因发生的突变现象，从而改变染色体的 在使用遗传算法对一个问题进行求解之前，必 结构和物理形状．变异可以引进新的基因码 ，增加 须先对问题的解空间进行编码，以实现解空间到遗 新的参数搜索区域 ，避免陷入局部最优解，因而可 传算法搜索空问的映射．编码方法有二进制编码 以搜索到整体最优解． (SGA)、浮点数编码 、符号编码等．选择何种编码方 2．5 最优保存策略 式有时对算法的性能和效率会产生很大的影响． 选择、交叉、变异操作后，再比较上下两代最好 2．2 群体数 个体的适应度，如下降，则以上一代最好个体替换下 群体数就是染色体个体的数 目．群体数的多少 一 代的最差个体．反之则相反． 对于搜索的效果有很大影响；群体数越多则参与搜 2．6 遗传算法的步骤 索的染色体越多，从而有更大的机会得到最优解， 步骤如下： 但是需要更多的搜索时间使得收敛速度降低．一般 (1)初始化，产生足够数量的个体，组成种群； 情况下，专家建议群体数为20—100． (2)迭代的执行下述步骤： 2．3 适应度函数 (2．1)计算群体上每个个体的适应度值； 遗传算法是在适应度函数的指导下进行搜索， (2．2)产生新的种群 而不是穷举式的全面搜索．适应度函数评估是选择