一种自动组卷算法的实现.docVIP

一种自动组卷算法的实现 　　摘要：结合遗传算法的原理和思想，对考试自动出题组卷的问题进行了深入的研究，找到了一种获得与考试试题控制指标符合的试题模型的解决方法。 　　关键词：遗传算法；全局寻优；自动化组卷 　　中图分类号：TP18文献标识码：A文章编号：1009-3044(2008)26-1718-02 　　An Algorithm of Exam Papers Auto-design 　　MEI Bing-fu 　　(Guangzhou Radio TV University, Guangzhou 510091, China) 　　Abstract: After the fully investigation to the problem we are facing in test paper’s auto-design, a algorithm based on genetic algorithm is created to solve the problem, which can make the test paper generated by auto-design meets the standards of teachers and can be modified easily. 　　Key words: Genetic Algorithm; global optimization; auto-design of exam paper 　　 　　1 引言 　　 　　计算机辅助考试系统的自动组卷的效率与质量完全取决于抽题算法的设计。如何设计一个算法从题库中既快又好的抽出一组最佳解或是抽出一组非常接近最佳解的实体，涉及到一个全局寻优和收敛速度快慢的的问题，很多学者对其进行了研究。遗传算法以其自适应寻优及良好的智能搜索技术，受到了广泛的运用。通过理论推导和事实运用，发现遗传算法在寻优和收敛性方面都是非常有效的。 　　 　　2 问题描述 　　 　　自动组卷是考试系统自动化或半自动化操作的核心目标之一，而如何保证生成的试卷能最大程度的满足用户的不同需要,并具有随机性、科学性、合理性，这是实现中的一个难点。尤其在交互式环境下用户对于组卷速度要求较高，而一个理论上较完美的算法可能会以牺牲时间作为代价，往往不能达到预期的效果。因此，选择一个高效、科学、合理的算法是自动组卷的关键。 　　以往的具有自动组卷功能的考试系统大多采用随机选取法和回溯试探法。随机选取法根据状态空间的控制指标，由计算机随机的抽取一道试题放入试题库，此过程不断重复，直到组卷完毕，或已无法从题库中抽取满足控制指标的试题为止。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组卷过程来说组卷成功率低，即使组卷成功，花费时间也令人难以忍受。尤其是当题库中各状态类型平均出题量较低时，组卷往往以失败而告终。 　　回溯试探法是将随机选取法产生的每一状态类型纪录下来，当搜索失败时释放上次纪录的状态类型，然后再依据一定的规律（正是这种规律破坏了选取试题的随机性）变换一种新的状态类型进行试探，通过不断的回溯试探直到试卷生成完毕或退回出发点为止，这种有条件的深度优先算法，对于状态类型和出题量都较少的题库系统而言，组卷成功率较好，但是在实际应用时发现这种算法对内存的占用量很大，程序结构相对比较复杂，而且选取试题缺乏随机性，组卷时间长，后两点是用户无法接受的，因此它也不是一种很好的自动组卷算法。 　　分析上述两种算法的优缺点，不难发现，在限制条件状态空间的控制下，随机选取法有时能够抽取出一组令用户满意的试题。只不过由于它随机选取试题的范围太大，无法确定目前条件下哪些区域能够抽取合适的试题，反而可能在那些已经证明是无法抽取合适试题的区域内反复选题，进行大量的无效操作进入死循环，最终导致组卷失败。回溯试探法组卷成功率高，但它是以牺牲大量的时间为代价的，对于现今越来越流行的考生网上随机即时调题的考试过程来说，它已不符合要求。因此,必须结合以上两种方法寻找一种新的改进算法，这种算法要具有全局寻优和收敛速度快的特点。遗传算法（GeneticAlgorithms）以其具有自适应全局寻优和智能搜索技术，并且收敛性好的特性能很好的满足自动考试组卷的要求。 　　 　　3 遗传算法描述 　　 　　遗传算法是一种并行的、能够有效优化的算法，以Morgan的基因理论及Eldridge与Gould间断平衡理论为依据，同时融合了Mayr的边缘物种形成理论和Bertalanffv一般系统理论的一些思想，模拟达尔文的自然界遗传学：继承（基因遗传）、进化（基因突变）优胜劣汰（优的基因大量被遗传复制，劣的基因较少被遗传复制）。其实质就是一种把自然界有机体的优胜劣汰的