基于遗传算法的智能组卷系统的研究与实现

摘要	第1-9页
Abstract	第9-10页
第1章 绪论	第10-14页
·课题的背景及意义	第10页
·组卷算法的研究现状	第10-12页
·本文的主要工作	第12-13页
·本文的组织结构	第13-14页
第2章 组卷问题的基本理论和数学模型	第14-26页
·试题的基本属性指标	第14-17页
·试题的难度	第14-15页
·试题的区分度	第15-16页
·试题难度与区分度的关系	第16页
·试题难度与认知层次的关系	第16-17页
·指标体系	第17-18页
·试题各个指标的约束分布	第18-22页
·题型约束分布	第18-19页
·难度约束分布	第19页
·区分度约束分布	第19-20页
·认知层次约束分布	第20页
·知识点约束分布	第20-21页
·章节约束分布	第21页
·总时间约束	第21页
·总分数约束	第21-22页
·偏差计算及解的优劣关系定义	第22-24页
·指标偏差计算	第22-24页
·解的优劣关系定义	第24页
·组卷问题的目标函数	第24-26页
第3章 遗传算法理论	第26-39页
·遗传算法的产生与发展	第26-27页
·遗传算法概要	第27-29页
·遗传算法的基本概念	第27-28页
·遗传算法的基本思想	第28-29页
·遗传算法的基本原理	第29-31页
·遗传算法的基本构成要素	第29-30页
·遗传算法的运算流程	第30-31页
·遗传算法的关键技术	第31-36页
·遗传编码	第31-32页
·适应度函数的选取	第32-34页
·遗传算子	第34-35页
·控制参数	第35页
·终止条件	第35-36页
·遗传算法的特点及应用	第36-39页
·遗传算法的优点及改进	第36-37页
·遗传算法的应用情况	第37-39页
第4章 遗传算法在组卷中的应用	第39-42页
·遗传算法在组卷中应用的优势	第39-40页
·遗传算法在组卷中应用的步骤	第40-41页
·遗传算法在组卷中的应用情况	第41-42页
第5章 改进遗传算法求解组卷问题	第42-52页
·组卷编码方案的设计	第42-43页
·适应度函数的设计	第43-45页
·权重系数变化法	第43页
·适应度函数的设计	第43-45页
·种群的选择方法	第45-46页
·排序型择优选择方法	第45页
·小生境最优选择方法	第45-46页
·交叉算子	第46-47页
·变异算子	第47-48页
·控制参数的设计	第48-51页
·自适应交叉概率的改进	第49-50页
·自适应变异概率的改进	第50-51页
·改进后遗传算法在组卷中应用的流程	第51-52页
第6章 智能组卷系统的实现	第52-69页
·组卷问题的描述与转化	第52页
·试题库的设计研究	第52-55页
·试题库的设计要求	第52-53页
·试题的属性标注	第53-54页
·试题库的组织结构	第54-55页
·组卷策略	第55-57页
·试卷参数指标分析	第55-57页
·试卷的约束条件	第57页
·组卷策略分析	第57页
·智能组卷系统的具体实现	第57-63页
·系统要求	第58页
·动态网页技术和数据库技术	第58-59页
·技术开发环境及平台	第59页
·组卷系统的功能框架	第59-60页
·组卷系统的主要功能实现	第60-63页
·测试与分析	第63-69页
·实验环境	第63页
·参数设定	第63-65页
·组卷结果	第65-66页
·组卷算法之间的比较	第66-69页
结束语	第69-71页
参考文献	第71-75页
攻读学位期间主要的研究成果目录	第75-76页
致谢	第76页