一种基于改进遗传算法的智能组卷方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·主要工作与组织结构 | 第15-17页 |
| 第2章 智能组卷系统的相关理论及数学模型 | 第17-29页 |
| ·智能组卷的基本原则 | 第17-18页 |
| ·智能组卷系统的指标体系 | 第18-20页 |
| ·两种教育测量理论 | 第20-23页 |
| ·经典测量理论 | 第20-21页 |
| ·项目反应理论 | 第21-23页 |
| ·智能组卷常用方法及比较 | 第23-24页 |
| ·优先权法 | 第23页 |
| ·随机选取法 | 第23-24页 |
| ·误差补偿法 | 第24页 |
| ·回溯试探法 | 第24页 |
| ·智能组卷系统的数学模型 | 第24-28页 |
| ·约束优化模型 | 第25-26页 |
| ·组卷问题的数学模型 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 遗传算法基本原理的研究与分析 | 第29-47页 |
| ·遗传算法的基础原理 | 第29-32页 |
| ·遗传算法的生物遗传学基础 | 第29-31页 |
| ·遗传算法的基本思想 | 第31-32页 |
| ·遗传算法的理论基础 | 第32-37页 |
| ·模式定理(schemata theorem) | 第32-34页 |
| ·积木块假设 | 第34-35页 |
| ·隐含并行性 | 第35-36页 |
| ·“早熟”现象 | 第36页 |
| ·收敛性 | 第36-37页 |
| ·遗传算法的实现技术 | 第37-45页 |
| ·编码 | 第37-38页 |
| ·初始化群体 | 第38-39页 |
| ·适应度函数 | 第39-40页 |
| ·进行遗传操作 | 第40-44页 |
| ·终止准则 | 第44-45页 |
| ·关于改进的遗传算法的若干讨论 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 一种改进的遗传算法 | 第47-60页 |
| ·遗传算法编码的设计 | 第47-49页 |
| ·二进制编码 | 第47页 |
| ·实数编码 | 第47-49页 |
| ·初始群体的生成 | 第49-50页 |
| ·适应度函数的确定 | 第50-51页 |
| ·遗传算子的确定 | 第51-54页 |
| ·选择算子 | 第51-52页 |
| ·交叉算子和变异算子 | 第52-54页 |
| ·最优保存策略 | 第54页 |
| ·改进算法性能对比 | 第54-59页 |
| ·测试函数及算法 | 第54-55页 |
| ·实验结果与分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 算法的实现与性能分析 | 第60-66页 |
| ·系统实现目标与设计原则 | 第60-61页 |
| ·开发技术 | 第60页 |
| ·开发环境 | 第60-61页 |
| ·运行环境 | 第61页 |
| ·系统功能模块说明 | 第61-62页 |
| ·智能组卷测试与分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
