首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--专用应用软件论文

基于改进的遗传算法组卷系统应用研究

目录第1-8页
摘要第8-9页
ABSTRACT第9-11页
插图目录第11-13页
附表目录第13-14页
第1章 绪论第14-24页
 1.1 引言第14页
 1.2 计算机辅助测验系统的结构第14-15页
 1.3 自动组卷系统的发展概况第15-23页
  1.3.1 几种常用自动组卷算法介绍第16-17页
  1.3.2 遗传算法在组卷中的应用第17-23页
 1.4 本文工作第23-24页
第2章 组卷的评价体系与建模第24-36页
 2.1 组卷的基本原则第24-25页
 2.2 试题的几个重要属性指标第25-28页
  2.2.1 试题的难度第26页
  2.2.2 试题的区分度第26-27页
  2.2.3 认知层次第27页
  2.2.4 难度与区分度、认知层次之间的关系第27-28页
 2.3 指标体系第28页
 2.4 成卷模式第28-32页
  2.4.1 难度-分数分布第29-30页
  2.4.2 区分度-分数分布第30页
  2.4.3 知识点-分数分布第30-31页
  2.4.4 章节-分数分布第31页
  2.4.5 题型-分数分布第31-32页
  2.4.6 认知层次-分数分布第32页
  2.4.7 总时间第32页
  2.4.8 总分数第32页
 2.5 偏差的计算第32-34页
 2.6 解的偏好关系定义第34页
 2.7 目标函数第34-35页
 2.8 小结第35-36页
第3章 改进的自适应遗传算法(ANGA)第36-53页
 3.1 基于小生境技术遗传算法介绍第36-37页
  3.1.1 小生境思想介绍第36页
  3.1.2 基于小生境概念的遗传算法第36-37页
 3.2 ANGA算法的改进思想第37-41页
  3.2.1 群体适应值分布的自适应调整第38-39页
  3.2.2 交叉变异位置的自适应调整第39-40页
  3.2.3 自适应技术与小生境技术相结合第40页
  3.2.4 ANGA算法描述第40-41页
 3.3 仿真试验第41-52页
  3.3.1 测试函数第42-46页
  3.3.2 对五个测试函数的计算结果第46页
  3.3.3 快速收敛性第46-48页
  3.3.4 处理多峰问题的能力第48-50页
  3.3.5 全局寻优能力第50页
  3.3.6 与其他算法的对比第50-52页
 3.4 小结第52-53页
第4章 改进的遗传算法在组卷中的应用第53-68页
 4.1 问题描述与转化第53页
 4.2 模拟试题库第53-55页
  4.2.1 试题库的基本组织要求第53-54页
  4.2.2 试题的参数标注第54页
  4.2.3 模拟试题库的建立第54-55页
 4.3 改进的遗传算法用于组卷的实现第55-61页
  4.3.1 组卷策略第55-56页
  4.3.2 编码方案第56-57页
  4.3.3 目标函数的函数值计算第57-58页
  4.3.4 适应度函数的设计第58页
  4.3.5 ANGA的实现第58-61页
 4.4 结果分析第61-67页
  4.4.1 组卷要求与参数设定第61-62页
  4.4.2 组卷结果第62-65页
  4.4.3 算法效率第65-66页
  4.4.4 算法稳定性第66-67页
 4.5 小结第67-68页
第5章 在线测试系统分析、设计与实现第68-80页
 5.1 J2EE简介第68-70页
 5.2 UML简介第70-72页
 5.3 在线测试系统的需求分析第72-73页
 5.4 在线测试系统总体设计与分析第73-75页
 5.5 在线测试系统的构造与布署第75-76页
 5.6 在线测试系统的实现第76-79页
 5.7 小结第79-80页
结束语第80-82页
参考文献第82-87页
致谢第87-88页
附录A 攻读学位期间所发表的学术论文第88页

论文共88页,点击 下载论文
上一篇:软件缺陷管理的研究与辅助工具实现
下一篇:基于虚拟现实的集装箱码头布局规划仿真系统研究