基于遗传算法的智能组卷方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第2章 遗传算法与组卷的相关理论 | 第17-29页 |
| 2.1 遗传算法概述 | 第17-18页 |
| 2.1.1 遗传算法的基本概念 | 第17-18页 |
| 2.1.2 遗传算法的基本原理 | 第18页 |
| 2.2 遗传算法的关键技术 | 第18-22页 |
| 2.2.1 编码方案 | 第18-19页 |
| 2.2.2 种群初始化 | 第19-20页 |
| 2.2.3 适应度函数 | 第20-21页 |
| 2.2.4 遗传算子 | 第21-22页 |
| 2.3 组卷的相关问题 | 第22-28页 |
| 2.3.1 组卷问题描述 | 第22-23页 |
| 2.3.2 组卷基本原则 | 第23页 |
| 2.3.3 试卷评价标准 | 第23-25页 |
| 2.3.4 试题的属性分析 | 第25-26页 |
| 2.3.5 常用的组卷算法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 改进遗传算法研究 | 第29-39页 |
| 3.1 遗传算法分析 | 第29-30页 |
| 3.2 早收敛现象 | 第30-32页 |
| 3.2.1 早收敛现象的成因 | 第30页 |
| 3.2.2 早收敛的预防措施 | 第30-32页 |
| 3.3 遗传算法的优化策略 | 第32页 |
| 3.4 改进的遗传算法 | 第32-36页 |
| 3.4.1 混沌初始种群 | 第33-34页 |
| 3.4.2 动态交叉变异概率优化 | 第34-35页 |
| 3.4.3 小生境剔除策略 | 第35-36页 |
| 3.5 NCAGA的流程及性能优化 | 第36-38页 |
| 3.5.1 算法流程 | 第36-37页 |
| 3.5.2 性能优化 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 改进遗传算法的智能组卷 | 第39-53页 |
| 4.1 智能组卷的数学模型 | 第39-40页 |
| 4.2 智能组卷的目标函数 | 第40-41页 |
| 4.3 基于NCAGA的智能组卷方法实现 | 第41-46页 |
| 4.3.1 组卷编码方案 | 第41-42页 |
| 4.3.2 适应度函数的设计 | 第42-43页 |
| 4.3.3 种群混沌初始化 | 第43页 |
| 4.3.4 遗传算子的设定 | 第43-46页 |
| 4.3.5 终止条件的判定 | 第46页 |
| 4.4 实验仿真与结果分析 | 第46-51页 |
| 4.4.1 实验参数设置 | 第46-47页 |
| 4.4.2 实验结果分析 | 第47-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 智能组卷应用实例 | 第53-61页 |
| 5.1 需求分析 | 第53-54页 |
| 5.2 总体设计 | 第54-56页 |
| 5.2.1 功能设计 | 第54-55页 |
| 5.2.2 数据库设计 | 第55-56页 |
| 5.3 智能组卷的实现 | 第56-58页 |
| 5.4 智能组卷的测试与分析 | 第58-59页 |
| 5.5 本章结论 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
