智能计算理论在网络试题库中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究的背景 | 第9页 |
| ·国内外的研究现状 | 第9-11页 |
| ·遗传算法简介 | 第11-13页 |
| ·本文的主要工作 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 试卷指标与组卷模型建立 | 第15-20页 |
| ·试卷的评价指标 | 第15-17页 |
| ·试题类型 | 第15页 |
| ·区分度 | 第15-16页 |
| ·难度系数 | 第16页 |
| ·各章节分值比 | 第16页 |
| ·知识点重复数目 | 第16页 |
| ·教学要求度 | 第16-17页 |
| ·曝光度 | 第17页 |
| ·组卷的基本原则 | 第17-18页 |
| ·组卷模型的建立 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 遗传算法基础知识 | 第20-25页 |
| ·遗传算法概述 | 第20-23页 |
| ·编码机制 | 第20-21页 |
| ·初始化群体 | 第21页 |
| ·适应度函数 | 第21页 |
| ·遗传算法的三种算子 | 第21-22页 |
| ·控制参数 | 第22页 |
| ·基本流程 | 第22-23页 |
| ·单亲遗传算法 | 第23-24页 |
| ·基于小生境技术的遗传算法 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第4章 遗传算法在智能组卷中的应用 | 第25-36页 |
| ·传统编码方式的遗传算法 | 第25-28页 |
| ·基于标准二进制编码的遗传算法 | 第25-27页 |
| ·基于题号的二进制编码的遗传算法 | 第27-28页 |
| ·基于题号整数编码的遗传算法 | 第28-32页 |
| ·整数编码 | 第28页 |
| ·种群初始化 | 第28-29页 |
| ·交叉操作 | 第29-31页 |
| ·变异操作 | 第31页 |
| ·适应度函数 | 第31-32页 |
| ·基于无重复知识点的遗传算法 | 第32-35页 |
| ·多目标优化分析 | 第32-33页 |
| ·无重复知识点的遗传组卷算法 | 第33-35页 |
| ·初始化种群 | 第33页 |
| ·交叉算子 | 第33-34页 |
| ·变异算子 | 第34页 |
| ·适应度函数 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 基于多目标优化算法的组卷研究 | 第36-45页 |
| ·多目标优化基本概念 | 第36-38页 |
| ·多目标优化与GA | 第38页 |
| ·NSGA-II算法 | 第38-42页 |
| ·快速非支配分类算法 | 第40-41页 |
| ·拥挤距离 | 第41-42页 |
| ·拥挤选择算子 | 第42页 |
| ·NSGA-II在智能组卷中的应用 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第6章 网络试题库的设计研究 | 第45-53页 |
| ·试题数据库基本组织要求 | 第45页 |
| ·试题库数据类型结构 | 第45-46页 |
| ·试题库逻辑结构设计 | 第46-51页 |
| ·数据库表 | 第46-50页 |
| ·数据表关系图 | 第50-51页 |
| ·网络数据库的连接 | 第51-52页 |
| ·B/S模式介绍 | 第51-52页 |
| ·数据库与Web服务器的连接 | 第52页 |
| ·ADO数据库访问 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第7章 模拟实验与分析 | 第53-61页 |
| ·组卷要求与参数设定 | 第53-54页 |
| ·组卷结果 | 第54-55页 |
| ·对比实验 | 第55-60页 |
| ·变异概率选择实验 | 第55-56页 |
| ·交叉概率选择实验 | 第56页 |
| ·种群规模参数实验 | 第56-57页 |
| ·各算法最佳变异概率对比实验 | 第57页 |
| ·无重复知识点与无重复题号遗传算法的对比实验 | 第57-59页 |
| ·NSGA-II算法对比实验 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第8章 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
