精英交叉遗传算法在组卷系统中应用.docVIP

精英交叉遗传算法在组卷系统中应用 　　摘要：该文针对组卷问题这一具体应用，基于教学相关理论提出该问题的数学模型及目标函数。利用一种改进的遗传算法提出一套完整的设计实现方案；并开发实现了计算机应用基础课程的组卷系统。通过测试验证了其优势及可用性。 　　关键词：精英交叉；遗传算法；组卷系统 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）35-8078-03 　　试卷是评估教学的有效工具，试卷对教学有导向作用，故保证试卷质量是教学活动的基本要求。如何保证生成的试卷合理、科学且能最大限度地满足不同的组卷要求，是试卷生成系统的一个难点问题。 　　组卷系统的建模方法和算法设计直接影响到它的组卷效率和组卷质量。传统的组卷算法如随机组卷算法和回溯组卷算法通常都存在组卷时间过长，组卷质量失控以及组卷失败等问题。遗传算法由于其自身具有并行性和全???空间搜索的优势[1]，非常适合用于解决智能组卷的问题而被很多该领域学者所关注，已经成为学者们所关注的一个研究重点。但是，遗传算法存在易早熟及后期的搜索效率低下等一些问题，故本文基于一种改进的遗传算法提出设计开发《计算机应用基础》课程的组卷系统的方案。 　　1 组卷问题的分析与描述 　　组卷系统是从试题库中抽取试题组成试卷，试题库中的试题本身含有特定的属性，组卷系统的质量和效率由组成试卷的每个试题的属性直接确定。 　　试题指标体系是对试题外在特征、内在属性的描述，它是建立组卷系统的关键。试题的指标体系越充分，组卷的准确性和成功率就越高。通常试题的指标体系包括以下属性：题号、题型、知识点、难度、区分度、认知层次、分值、曝光度等。在本系统中，各属性设置如下： 　　1） 题号是试题在数据库中的编号，是唯一的。 　　2） 题型：试题的类型，有很多种分类方式。本系统的试题类型有：选择题、判断题、填空题、简答题、计算题、综合题六类。 　　3） 知识点：试题考查的知识；一般是按课程的章节进行划分的。该文的章节组织为：计算机基础知识、操作系统、文字处理软件、电子表格软件、演示文稿软件、计算机网络、多媒体基础、网页设计与制作、数据库技术基础、程序设计基础。 　　4） 难度：是衡量试题的一个重要指标。通常试题难度分为五个档次，具体如表1所示。初始难度由有经验的教师设定。后由试卷考试结果计算更新之。 　　6） 认知层次：是反映学生独立获取和驾驭知识的程度。该文采用布鲁姆的理论，将认知层次为记忆、理解、应用、分析、综合、评价六个层次。 　　7） 分值：是每道试题的分数，一套试卷中所有题目的分值之和等于试卷的满分值。为简化程序，各类题型分值固定，如选择题均为1分。 　　8） 曝光度：试题曾在以往试卷中出现过的次数。出现过的次数越多，该试题的曝光度就越大。 　　9） 答题时间：考生完成该试题所需的平均时间。考试均是有时间限制的，故在抽取试题时也需考虑考试的答题时间，保障绝大多数学生在规定时间内能答完试题。每题的答题时间初始值由有经验的教师估计指定，后期考虑获取学生平均答题时间修正该属性。当前系统未做修正。 　　其中，Bi为试卷的第i个知识点的目标分值，n1为知识点数。其他偏差计算类似，不再重复列举。 　　组卷的目标是从试题库中搜索到最接近用户需求的试题子集。因此，目标函数就是要使生成的试卷中的各指标分布最接近用户要求的各指标分布，即偏差最小。组卷的最终目标就是求目标函数f的最小值。令： 　　2 使用精英交叉的遗传算法改进智能组卷系统 　　针对传统的遗传算法的种种缺陷，以及它在组卷问题这一具体应用，在综合研究了其他研究者特别是袁慧梅、王淑佩、郑日荣、李鹏等[20]的研究成果，该文提出采用基于精英交叉的精英保留遗传算法在智能组卷领域的整套系统解决方案。 　　1）编码：本系统对试卷染色体编码采用实数编码方式。考虑试题在试题数据库中保存的特性，采用实数编码克服了采用二进制编码造成算法搜索空间过大和试卷染色体编码过长的缺点。编码时可将试卷染色体进行实数编码，试卷染色体中的每个编码对应试题存放在试题库中的试题编号。试卷染色体的长度是试卷的总题量。 　　2）初始化种群：在组卷问题中，种群中每个个体即是一份试卷。初始种群采用随机方式产生。具体做法：根据约束条件在数据库中均匀采样，随机生成一定数目的个体，然后计算每个个体的适应值，从中挑出适应度高的个体构成初始种群P（0）。在抽取试题的过程中可通过设置标志位，以避免同一个染色体中出现重复试题的情况。 　　3）适应函数：区分种群中个体好坏的标准是适应函数值的大小。组卷的目标是从试题库中搜索到最接近用户需求的试题子集。 　　一般情况下，适应度函数是由目标函数变换而来的，其值越大个体越好，而上式目标函数f则是越小越好。