遗传算法大学计算机基础的自动组卷方法的毕业论文.docVIP

遗传算法大学计算机基础的自动组卷方法的毕业论文 摘要：针对传统组卷方法效率、成功率低等难题，设计基于遗传算法的大学计算机基础自动组卷方法。首先设计大学计算机基础自动成卷适应度函数，采用编码对组卷过程中题型及与其数量分布相关的约束条件进行处理，然后设计选择算子、交叉算子以及变异算子，将适应度作为评价群体多样性的指标，求出交叉概率与变异概率，给出遗传算法终止条件。实验结果表明，该方法提高了大学计算机基础自动组卷方法的效率和成功率。 关键词：遗传算法；计算机基础；自动组卷；适应度函数；约束条件；编码 0引言 大学计算机基础自动组卷是实现在线考试系统的核心技术，当前很多学校机构都对自动组卷进行了大量研究，尽可能使最终形成的试卷达到用户要求，同时保证科学性[1]。在大学计算机基础题库试题质量要求高的情况下，自动组卷的效率和质量只和组卷方法有关。因此，设计一种科学有效的自动组卷方法非常关键，其涉及全局寻优问题，具有重要研究价值[23]。当前常用的自动组卷方法有随机生成方法和回溯试探方法。随机生成方法通过随机抽取的方式从试题库中抽取试题，对其是否满足试卷要求进行判断，该方法有很高的不确定性，在试题数量多的情况下，效率极低[4]。回溯试探方法按照某一准则对当前组卷状态进行转换，试探性的选择试题破坏了选择试题的随机性，同时组卷所需时间长。为此，提出一种新的基于遗传算法的大学计算机基础自动组卷方法。 1遗传算法的大学计算机基础自动组卷方法 1.1大学计算机基础自动组卷模型 组卷问题可描述为：采用相应软件程序把成卷要求与资料库中试题特征参数匹配，得到符合成卷条件的试卷。组卷的目标为寻找最优解，确定最符合输入要求的组卷策略[5]。在大学计算机基础自动组卷过程中，命题人会事先输入多个限制条件，主要含有以下几个方面：1）试卷总分：试卷的总分数，通过命题人设定；2）考试时间：学生参与试卷解答时间，通过命题人设定；3）试卷难易程度：通过难度系数体现，是学生关于试题失分状况的体现；4）试卷区分度：区分度为试卷对考生情况的辨识能力，通常大小为[-1，1]，该值越大表示区分效果越好。一般情况下，当试题区分度高于0.39时，则认为试卷存在较好的区分度；当试题区分度低于0.2时，则认为试卷区分度很差。计算区分度采用的方法为：对分数进行排列，Q1=27%×dh，dh表示高分组的难度，Q2=27%×dl，dl表示低分组的难度，则区分度为=(Q)1-Q2总分数；5）试卷涵盖度：试卷中涉及知识点占所学课本的比重，是根据教学大纲与考试大纲设定的；6）试卷试题结构：试卷中包含的题型通常包括单选题、填空题、计算题、简答题等。对上述组卷限制条件进行分析。试卷的涵盖度为最关键条件，在确定试题过程中，依据试题的知识点属性，通过考试大纲决定知识点在试卷中出现的形式和比重；试卷难易程度通过各考生分数情况确定，依据以往的测试结果对题库内各试题的难度级别进行划分，并赋予相应的难度系数值[6]。通常要求全部考生的成绩服从正态分布，由于二项分布在一定条件下与正态分布类似，因此，本节通过离散型随机变量的二项分布体现试卷难度与分数的关系，公式描述为：Ws(g)=Fgswg()1-ws-g（1）式中：s为正整数，表示最大难度级别；Ws(g)表示难度级别为g的试题总分数占整个试卷总分数的比例；Fgs表示难度级别为g的试题总分数；wg表示各难度级别的难度比例；w表示难度系数。 1.2目标函数 设k为试卷试题数量，Fz为试卷总分数，按照二项分布试卷难度与分数的映射关系，通过难度系数求出每个难度级别的难度比例wg，T为考试时间，Tj为各试题作答时间。设PFN为大纲内第N章知识点占试卷的比率，M为总章节数，FN为相应章节试题的分数，ζj为试题的区分度，则大学计算机基础自动成卷的初始目标函数如下：f=∑g=0s||||||wg-∑FgNFz+()∑N=1M||||||||∑gFNFz-PFNs.t.ìí||||||||T-∑j=1kTjT≤0.15()∑j=1kζj×FNFz≥0.3（2）把考试时间与试卷区分度当成目标函数的约束条件，以减少运行时间。 1.3遗传算法适应度函数的确定 依据上述目标函数确定适应度函数。适应度函数的复杂度为遗传算法复杂度的重要构成部分[7]，因此，当设计适应度函数时需确保计算时间复杂度最低，把目标函数描述成计算最大值形式，保证适应度函数为非负函数。上述成卷的目标函数为求最小值函数，依据各函数特点，确定两函数间的映射关系为：f*=1(1+f)（3）式中：f*表示适应度函数；f表示目标函数。针对任意个体，判断考试时间和试卷区分度是否符合约束条件，如果两者符合约束条