基于粒子群算法的个性化学习路径寻优.docxVIP

基于粒子群算法的个性化学习路径寻优 在线学习和智能培训系统的学生需要满足学习目标而学习大量学习对象。对于学习目的不同、认知能力不同的学生来说，学习对象的学习顺序和内容组织上是不同的。如何通过这些学习对象的序列组合，学生可以在最短的时间内完成学习任务，成为学习路径研究的主要内容。在当前的学习环境中，学生主要选择学习路径：（1）基于系统控制的固定学习路径。（2）在类似于学生的学习路径中，文献证实，不同群体中学习路径的存在有助于提高学生的水平。 个性化学习路径的研究文献中, 文献提出了一种改进的Memetic算法应用在个性化学习路径求解中.文献提出基于概念图的智能教学系统使用权重错误率和模糊评价法对学生的学习情况进行诊断, 输出每个学生的认知状态.随后系统使用权重指标法计算出概念关联度, 找出主要学习路径, 对学习内容进行推荐.文献将最优学习路径的求解问题转换为一个TSP问题, 然后使用改进的微粒群算法求解该NP难问题.由于学习者在学习的过程中, 对所有知识点的范围并没有清晰的认识, 也就没有控制学习项的自主能力.因此本文从另外一个角度, 设定每个学习者作为一个粒子, 将其每次学习内容的选择作为一个随机解, 然后寻求全局的最优解更新自身信息, 最终组合的全局最优解即整个学习路径的解.整个过程的实现需要通过个体之间协作和信息共享来寻求最优解.由于粒子群算法的思想就是一群粒子通过跟踪自身的