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 |