| 第1章 引言 | 第1-10页 |
| 1．1 项目反应理论简介 | 第7-8页 |
| 1．2 本文研究内容与创新点 | 第8-10页 |
| 第2章 现有参数估计方法的综述 | 第10-24页 |
| 2．1 条件极大似然估计 | 第12-14页 |
| 2．1．1 已知项目参数估出能力值 | 第12-13页 |
| 2．1．2 己知能力值估出项目参数 | 第13-14页 |
| 2．2 联合极大似然估计 | 第14-15页 |
| 2．3 边际极大似然估计与EM算法 | 第15-18页 |
| 2．4 边际贝叶斯估计 | 第18-19页 |
| 2．5 适应2PLM参数估计的双重两步迭代估计算法 | 第19-21页 |
| 2．6 适应2PLM参数估计的SQRT/EM算法 | 第21-22页 |
| 2．7 基于联结主义的连续记分IRT模型的项目参数和能力估计 | 第22-24页 |
| 第3章 基本遗传算法(SGA)概述 | 第24-30页 |
| 3．1 遗传算法的基本思想 | 第24-26页 |
| 3．1．1 遗传算法的一些基本概念和术语 | 第24-25页 |
| 3．1．2 遗传算法的基本结构和形式化描述 | 第25-26页 |
| 3．2 基本遗传算法(SGA) | 第26-28页 |
| 3．2．1 编码表示 | 第26-27页 |
| 3．2．2 适应度函数设计 | 第27页 |
| 3．2．3 遗传操作 | 第27-28页 |
| 3．3 SGA与其他优化方法的比较 | 第28-30页 |
| 3．3．1 搜索方法分类 | 第28-29页 |
| 3．3．2 遗传算法的特点 | 第29页 |
| 3．3．3 小结 | 第29-30页 |
| 第4章 SGA存在的问题和改进方法 | 第30-34页 |
| 4．1 基本遗传算法存在的问题 | 第30-31页 |
| 4．2 对基本遗传算法的改进 | 第31-34页 |
| 4．2．1 实数编码 | 第31页 |
| 4．2．2 选择算子的改进 | 第31页 |
| 4．2．3 交叉算子的改进 | 第31-32页 |
| 4．2．4 变异算子的改进 | 第32页 |
| 4．2．5 算法加速操作 | 第32-33页 |
| 4．2．6 停止准则的改进 | 第33-34页 |
| 第5章 基于改进实码遗传算法的3PLM联合极大似然估计 | 第34-39页 |
| 5．1 基于改进实码遗传算法的3PLM联合极大似然估计方法 | 第34-36页 |
| 5．2 改进实码遗传算法的参数估计算法 | 第36页 |
| 5．3 种群大小参数试验 | 第36-39页 |
| 5．3．1 种群大小参数试验 | 第37-39页 |
| 第6章 实验与结论 | 第39-54页 |
| 6．1 三个适应度函数的性能比较 | 第39-40页 |
| 6．2 改进实码遗传算法的估计结果与BILOG软件相比较 | 第40-41页 |
| 6．3 改进的遗传算法的稳健性、适应性实验模拟 | 第41-44页 |
| 6．4 新方法中适应度函数的探讨 | 第44-52页 |
| 6．4．1 以极小化χ~2准则为适应度函数 | 第44-46页 |
| 6．4．2 其它适应度函数 | 第46-50页 |
| 6．4．3 适应度函数的性能比较 | 第50-52页 |
| 6．5 实验结论 | 第52-53页 |
| 6．6 参数估计新方法的优点 | 第53-54页 |
| 第7章 总结与展望 | 第54-56页 |
| 7．1 总结 | 第54-55页 |
| 7．2 展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 独创性声明 | 第59页 |
| 关于论文使用授权的说明 | 第59页 |
