| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 前言 | 第12-21页 |
| 第1章 选题策略相关问题研究综述 | 第21-46页 |
| 1.1 项目反应理论相关综述 | 第21-27页 |
| 1.1.1 项目反应模型 | 第23-24页 |
| 1.1.2 项目信息函数 | 第24-25页 |
| 1.1.3 测验信息函数 | 第25-26页 |
| 1.1.4 IRT的测验编制步骤 | 第26-27页 |
| 1.2 国内外的选题策略研究进展 | 第27-40页 |
| 1.2.1 基于线性规划的选题策略 | 第27-34页 |
| 1.2.2 基于启发式算法的选题策略 | 第34-39页 |
| 1.2.3 讨论 | 第39-40页 |
| 1.3 量子智能计算研究现状 | 第40-46页 |
| 1.3.1 量子计算的基本概念 | 第41-44页 |
| 1.3.2 量子计算的特点 | 第44-46页 |
| 第2章 基于IRT的遗传算法及量子遗传算法选题实验 | 第46-76页 |
| 2.1 选题要求 | 第46-49页 |
| 2.1.1 基于IRT题库的建立 | 第46页 |
| 2.1.2 项目题型约束 | 第46-47页 |
| 2.1.3 项目字数约束 | 第47页 |
| 2.1.4 实际测验项目信息函数 | 第47-49页 |
| 2.2 基于IRT的遗传算法选题实验 | 第49-59页 |
| 2.2.1 遗传算法(GA)简介 | 第50-53页 |
| 2.2.2 遗传算法选题的实验步骤 | 第53-54页 |
| 2.2.3 遗传算法的选题的算法设计 | 第54-55页 |
| 2.2.4 遗传算法选题参数的实验设计 | 第55-56页 |
| 2.2.5 遗传算法选题的实验程序 | 第56-57页 |
| 2.2.6 遗传算法选题的实验结果 | 第57-59页 |
| 2.3 基于IRT的量子遗传算法选题实验 | 第59-66页 |
| 2.3.1 量子遗传算法(QGA)简介 | 第60页 |
| 2.3.2 量子遗传算法选题的实验步骤 | 第60页 |
| 2.3.3 量子遗传算法选题的算法设计 | 第60-63页 |
| 2.3.4 量子遗传算法选题的参数实验设计 | 第63页 |
| 2.3.5 量子遗传算法选题的实验程序 | 第63-64页 |
| 2.3.6 量子遗传算法选题的实验结果 | 第64-66页 |
| 2.4 量子遗传算法与普通遗传算法性能比较 | 第66-72页 |
| 2.4.1 算法稳健度 | 第66-70页 |
| 2.4.2 分数线处测验信息量均值 | 第70-71页 |
| 2.4.3 信息量平坦度 | 第71页 |
| 2.4.4 选题时间 | 第71-72页 |
| 2.5 研究讨论 | 第72-74页 |
| 2.5.1 GA选题实验结果讨论 | 第72-73页 |
| 2.5.2 QGA选题实验结果讨论 | 第73-74页 |
| 2.5.3 GA和QGA选题性能比较结果讨论 | 第74页 |
| 2.6 研究小结 | 第74-76页 |
| 第3章 基于IRT的粒子群和量子粒子群算法选题实验 | 第76-102页 |
| 3.1 基于IRT的粒子群算法的选题实验 | 第76-86页 |
| 3.1.1 粒子群算法(PSO)简介 | 第76-78页 |
| 3.1.2 粒子群算法选题的实验步骤 | 第78-79页 |
| 3.1.3 粒子群算法选题的算法设计 | 第79-80页 |
| 3.1.4 粒子群算法选题的参数实验设计 | 第80-83页 |
| 3.1.5 粒子群算法选题的实验程序 | 第83-84页 |
| 3.1.6 粒子群算法选题的实验结果 | 第84-86页 |
| 3.2 基于IRT的量子粒子群选题实验 | 第86-93页 |
| 3.2.1 量子粒子群算法(QPSO)简介 | 第86-87页 |
| 3.2.2 量子粒子群算法选题的实验步骤 | 第87页 |
| 3.2.3 量子粒子群算法选题的算法设计 | 第87-90页 |
| 3.2.4 量子粒子群算法选题的参数实验设计 | 第90-91页 |
| 3.2.5 量子粒子群算法选题的实验程序 | 第91页 |
| 3.2.6 量子粒子群算法选题的实验结果 | 第91-93页 |
| 3.3 量子粒子群算法与普通粒子群算法性能比较 | 第93-99页 |
| 3.3.1 实验设计 | 第94页 |
| 3.3.2 实验结果 | 第94-99页 |
| 3.4 研究讨论 | 第99-100页 |
| 3.4.1 PSO选题实验结果讨论 | 第99页 |
| 3.4.2 QPSO选题实验结果讨论 | 第99-100页 |
| 3.4.3 PSO和QPSO选题性能比较结果讨论 | 第100页 |
| 3.5 研究小结 | 第100-102页 |
| 第4章 基于IRT的蚁群和量子蚁群算法选题实验 | 第102-124页 |
| 4.1 基于IRT的蚁群算法选题实验 | 第102-112页 |
| 4.1.1 蚁群算法(ACA)简介 | 第102-106页 |
| 4.1.2 蚁群算法选题的实验步骤 | 第106页 |
| 4.1.3 蚁群算法选题的算法设计 | 第106-108页 |
| 4.1.4 蚁群算法选题的参数实验设计 | 第108-110页 |
| 4.1.5 蚁群算法选题的实验程序 | 第110-111页 |
| 4.1.6 蚁群算法选题的实验结果 | 第111-112页 |
| 4.2 基于IRT的量子蚁群算法选题实验 | 第112-116页 |
| 4.2.1 量子蚁群算法(QACA)简介 | 第112页 |
| 4.2.2 量子蚁群算法选题的实验步骤 | 第112页 |
| 4.2.3 量子蚁群算法选题的算法设计 | 第112-114页 |
| 4.2.4 量子蚁群算法选题的参数实验设计 | 第114-115页 |
| 4.2.5 量子蚁群算法选题的实验程序 | 第115页 |
| 4.2.6 量子蚁群算法选题的实验结果 | 第115-116页 |
| 4.3 蚁群算法和量子蚁群算法的性能比较 | 第116-121页 |
| 4.3.1 算法稳健性 | 第117-119页 |
| 4.3.2 分数线处测验信息量 | 第119-120页 |
| 4.3.3 信息量平坦度 | 第120-121页 |
| 4.3.4 选题时间 | 第121页 |
| 4.4 研究讨论 | 第121-122页 |
| 4.4.1 ACA选题实验结果讨论 | 第121-122页 |
| 4.4.2 QACA选题实验结果讨论 | 第122页 |
| 4.5 研究小结 | 第122-124页 |
| 第5章 研究总结 | 第124-133页 |
| 5.1 研究总讨论 | 第124-129页 |
| 5.2 研究总结 | 第129-131页 |
| 5.3 研究创新点 | 第131-132页 |
| 5.4 研究不足及展望 | 第132-133页 |
| 参考文献 | 第133-142页 |
| 附录 | 第142-152页 |
| 附录1 遗传算法伪代码(部分) | 第142-143页 |
| 附录2 量子遗传算法伪代码(部分) | 第143-144页 |
| 附录3 粒子群算法伪代码(部分) | 第144-145页 |
| 附录4 量子粒子群算法伪代码(部分) | 第145-147页 |
| 附录5 蚁群算法伪代码(部分) | 第147-148页 |
| 附录6 量子蚁群算法伪代码(部分) | 第148-150页 |
| 附录7 量子遗传算法选题结果示例(部分) | 第150-152页 |
| 博士期间科研成果 | 第152-153页 |
| 致谢 | 第153页 |