| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·智能组卷的研究背景 | 第10-11页 |
| ·智能组卷问题和方法 | 第11-15页 |
| ·智能组卷问题描述 | 第12页 |
| ·智能组卷的特点 | 第12-13页 |
| ·智能组卷的功能要求 | 第13-14页 |
| ·智能组卷的方法 | 第14-15页 |
| ·遗传算法组卷研究现状 | 第15-16页 |
| ·本文的主要工作及组织结构 | 第16-18页 |
| 第二章 智能组卷模型与相关理论 | 第18-32页 |
| ·自动组卷方法及比较 | 第18-20页 |
| ·随机法 | 第18-19页 |
| ·回溯法 | 第19页 |
| ·遗传算法 | 第19-20页 |
| ·两种教育测量理论 | 第20-25页 |
| ·经典测量理论(CCT) | 第21-22页 |
| ·项目反应理论(IRT) | 第22-25页 |
| ·智能组卷问题的数学模型 | 第25-32页 |
| ·基于项目反应理论(IRT)组卷数学模型 | 第25-27页 |
| ·基于多目标函数优化数学模型 | 第27-32页 |
| 第三章 遗传算法介绍 | 第32-46页 |
| ·遗传算法的研究历史与现状 | 第32-33页 |
| ·遗传算法与自然选择 | 第33-35页 |
| ·遗传算法的基本概念 | 第35-36页 |
| ·遗传算法的基本步骤 | 第36-42页 |
| ·遗传算法的特点 | 第42-44页 |
| ·遗传算法的应用关键 | 第44-46页 |
| 第四章 遗传算法组卷方法 | 第46-66页 |
| ·基于 IRT的自适应遗传算法组卷 | 第47-54页 |
| ·染色体编码及初始种群的生成 | 第48页 |
| ·适应度函数的确定 | 第48-49页 |
| ·遗传算法的参数和变量的控制 | 第49-50页 |
| ·算法的终止 | 第50-51页 |
| ·实例与分析 | 第51-54页 |
| ·基于多目标函数的自适应遗传算法组卷 | 第54-58页 |
| ·初始化群体和染色体编码 | 第54-55页 |
| ·适应度函数(Fitness Function)的确定 | 第55-56页 |
| ·选择(Selection)运算 | 第56页 |
| ·交叉运算 | 第56页 |
| ·变异运算 | 第56-57页 |
| ·具体算法描述 | 第57页 |
| ·实验结果与分析 | 第57-58页 |
| ·基于小生境技术的自适应遗传算法组卷 | 第58-66页 |
| ·小生境技术介绍 | 第58-60页 |
| ·编码方案 | 第60-62页 |
| ·算法描述 | 第62-63页 |
| ·实例与分析 | 第63-66页 |
| 第五章 结语 | 第66-68页 |
| ·本文总结 | 第66-67页 |
| ·今后工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 附录: 攻读学位期间发表论文 | 第74-76页 |