CN120030427B 基于元启发式算法的个性化学习路径生成方法 （浙江师范大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120030427B(45)授权公告日2025.07.01

(21)申请号202510520241.7

(22)申请日2025.04.24

(65)同一申请的已公布的文献号申请公布号CN120030427A

(43)申请公布日2025.05.23

(73)专利权人浙江师范大学

地址321004浙江省金华市婺城区迎宾大

道688号

(72)发明人黄琼浩杨梦洁黄昌勤卢凌诺王勋

(74)专利代理机构北京知艺互联知识产权代理有限公司16137

专利代理师赵荣

(51)Int.CI.

GO6F18/2411(2023.01)

GO6N3/126(2023.01)

GO6Q50/20(2012.01)

(56)对比文件

CN119046673A,2024.11.29

WO2018072351A1,2018.04.26审查员陈红圆

权利要求书3页说明书9页附图1页

(54)发明名称

基于元启发式算法的个性化学习路径生成方法

(57)摘要

CN120030427B本发明公开了基于元启发式算法的个性化学习路径生成方法，涉及个性化学习路径生成技术领域，包括初始化候选解种群；基于概念覆盖函数、时间惩罚函数和风格匹配函数，构建多目标适应度函数，对候选解进行综合评分；基于专家引导与模因机制，对种群内各个候选解进行局部更新，并更新专家年龄，再通过动态控制与迁移机制对候选解种群进行全局更新；当达到设定迭代次数时，根据最优候选解，对学习材料的优先级分值进行计算并排序，通过加权池化方法生成个性化学习序列。因此，采用上述基于元启发式算法的个性化学习路径生成方法，能够改善局

CN120030427B

生成初始候选解种群

生成初始候选解种群X及初始迭代t=0

构建多目标适应度函数评价候选解

通过专家引导与模因机制，更新候选解，同时更新专家年龄

利用危险信号和迁移机制，调节全局与局部搜索的平衡

迭代完成后，基于最优候选解，通过优先级排序生成个性化学习路径

CN120030427B权利要求书1/3页

2

1.基于元启发式算法的个性化学习路径生成方法，其特征在于，包括以下步骤：

S1、基于学生集合和学习材料集合，通过均匀随机分布生成初始化候选解种群，其中候选解采用决策矩阵表示，矩阵元素标识学生与学习材料的选择关系；

S2、基于概念覆盖函数、时间惩罚函数和风格匹配函数，构建多目标适应度函数，对种群内的候选解进行综合评分；

S3、基于专家引导与模因机制，通过设定候选解的专家年龄进行迭代求解，并利用专家年龄计算专家影响权重，再基于专家影响权重的概率性选择机制确定专家解，对种群内各个候选解进行局部更新；然后通过动态控制与迁移机制对种群内的候选解进行全局更新：

通过危险信号反映当前搜索的风险程度，表达式为：

式中，δ为危险信号，o为固定常数偏移量，Y为调节参数，t表示当前的时间步，Tmax为设定的最大迭代次数；

当危险信号超过预设阈值δth时，引入迁移操作对当前的候选解进行更新；

通过安全信号平衡局部开发与全局搜索，如下：

安全信号的表达式为：

式中，K控制曲线的陡峭度，θ为相位偏移参数；

当S(t)≥0.5时，安全信号主导，种群划分为高适应度个体、中等个体和子代个体，其中高适应度个体采用Halton序列进行全局探索，中等个体围绕当前最优解进行局部开发；

当S(t)0.5且δ(t)≥δth时，危险信号触发迁移机制；

当S(t)0.5且δ(t)δth时，综合最优解与次优解进行更新；

S4、当达到设定迭代条件时，基于得到的最优候选解，根据学习材料的优先级分值进行优先级排序，并利用加权池化方法生成个性化学习序列。

2.根据权利要求1所述的基于元启发式算法的个性化学习路径生成方法，其特征在于，学生集合表示为S={S?,S?,…,Sn},学习材料集合表示为候

选解的决策矩阵表示为：X=[xij]∈{0,1}×m;

其中，

初始化候选解种群表示为,N表示种群规模。

3.根据权利要求1所述的基于元启发式算法的个性化学习路径生成方法，其特征在于，步骤S2中，多目标适应度函数的表达式，如下：

F(X)=λ