基于遗传算法的智能组卷策略.docVIP

基于遗传算法的智能组卷策略 　　摘要:该文在对传统组卷算法分析的基础上,提出了基于遗传算法的智能组卷策略,并运用计算机文化基础课的测验成绩作为测试数据,在各种约束条件一致的情况下,对三种算法的组卷时间进行了对比分析,并提出了算法的改进思路。 　　关键词:传统组卷算法;组卷时间;遗传算法 　　中图分类号:TP301文献标识码:A文章编号:1009-3044(2010)17-4748-02 　　The Intelligence Test Paper Policy Based on GA Algorithms 　　PANG Geng-ming, YUAN Jin-ming 　　(Jincheng Institute of Technology, Jincheng 048026, China) 　　Abstract: In this paper, analysis the traditional algorithms of the test paper, In this basics, the genetic algorithm is proposed based on intelligence test paper strategy, and use the test results of computer basic courses as the test data, In the same circumstances, three kinds of algorithms test paper conducted a comparative analysis of the time of the test paper, Put forward ideas to improve the algorithm. 　　Key words: Traditional test paper algorithms; the time of the test paper; GA algorithms 　　 　　1 研究背景 　　考试是各个学校衡量学生学习能力,评价教师教学效果的一个重要手段和方法。随着计算机技术和网络技术的迅猛发展,计算机辅助教学已成为新型的辅助和考核手段,并逐渐进入应用领域。在考试中,重要的一环就是教师出卷。目前根据考试模式的不同,主要分为传统的教师出卷和基于计算机技术的智能组卷两种。 　　传统的教师出卷方式主要是由出题者根据自己的知识、经验、风格来收集、选取试题,编制试题。虽然试题的效度、信用度较高,但也存在着一些缺点。主要表现是试题制作质量由于人为因素不能稳定,选题范围狭窄,耗费教师大量的时间、精力,不利于实现教考分离,出卷成果难以与其他出题者共享,无法实现完全的计算机评卷、分析[1]。 　　基于计算机技术的智能组卷技术是根据用户设置的组卷条件,用一定的算法从题库中抽取试题组成试卷的过程,组卷约束条件包括:试卷总分、各类题型的试题数量、各知识点的分数比例、各难度等级的分数比例[2]。一方面节省了教师的宝贵时间,另一方面使考试更加标准化,更加客观真实全面地反映教学效果,从而促进教学质量的提高。因此,开发并设计一套好的自动组卷算法就成为整个在线考试系统的关键环节。 　　2 传统的自动组卷算法[2] 　　自动组卷算法作为在线考试系统的一个重要组成部分,其性能的好环直接决定了整个考试系统的优劣。一套良好的组卷算法不仅能够根据教师的要求自动生成试卷,还能满足不同层次学生的需要,并能够更加真实的反映出学生的学习能力和教师的教学水平。目前传统的自动组卷算法主要有随机函数选取法、回溯试探法、优先权策略、弱并行策略和误差补偿策略。其中常用的是随机函数选取法和回溯试探法。 　　随机函数选取法是依据用户提交的组卷要求随机的抽取试题到试卷,由计算机利用随机函数自动抽取若干分量构成状态类型,再从试题库中随机选取一道试题加入试卷中,此过程不断重复,直到生成试卷或者题库中取不出合适的题目为止。该方法对于单个试题抽取实现简单,但对于整个组卷过程花费时间长,成功率低。适合与题库不太大的试题。 　　回溯试探法是将随机选取法产生的第一状态类型记录下来,当搜索失败时释放上次记录的状态类型,然后再依据一定的规律变换出一种新的状态类型进行试探,通过不断回溯试探直至试卷生成或退回出发点为止。该方法是对随机选取法的改进,其组卷成功率好,但是其程序结构复杂,组卷时间长,占用较多的机器资源。 　　3 基于遗传算法的智能组卷算法 　　遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法,模拟达尔文的遗传变异选择和自然淘汰的生物学观点,实现各个个体的适应性的提高。它是1962年Holland教授首次提出