资源预览内容
第1页 / 共34页
第2页 / 共34页
第3页 / 共34页
第4页 / 共34页
第5页 / 共34页
第6页 / 共34页
第7页 / 共34页
第8页 / 共34页
第9页 / 共34页
第10页 / 共34页
亲,该文档总共34页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
毕 业 设 计(论 文)任 务 书教育与信息技术 系 计算机科学与技术(师范)专业 学生 张军海 一、毕业设计(论文)课题 基于遗传算法的试题组卷研究 二、毕业设计(论文)工作自 2008 年 1 月 15 日起至 2008 年 6 月 9 日止三、毕业设计(论文)进行地点 茂名学院学生宿舍 四、毕业设计(论文)的内容要求:一)研究内容论文简述遗传算在国内外应用研究现状,分析遗传算法模拟自然选择和遗传机制的全局概率寻优原理(包括:遗传变异机制,基因编码机制) ,突出遗传算法在解决多重约束问题的并行性、通用性、全局优化性、稳健性与可操作性。介绍遗传算法的存储结构,并针对算法要求设计相应数据结构,最后用高级语言实现该算法在自动组卷中的应用。 二)过程要求1、毕业设计必须独立完成,严禁抄袭,力争有一个创新点2 、必须查阅参考 15 篇以上文献,其中外文文献不少于 2 篇3、成果必须包括论文和程序,并参照进度及时完成4、总字数不少于 15000 字, 格式必须符合学校统一要求,陈述清晰,条理性好,内容充实,图表规范,表达准确。教研室负责人 指导教师 接受设计论文任务开始执行日期 2008 年 3 月 16 日学生签名 I摘要文章在研究具有自适应全局寻优、智能搜索技术和收敛速度快特点的遗传算法基础上,根据成卷技术指标要求,提出成卷前先进行组卷要求与题库分布相容性检测的方法,以便及早发现一些不可能实现的组卷要求,从而提高组卷的成功率和工作效率,最后以知识、难度、题型为主要控制参数建立基于遗传算法的自动组卷问题数学模型,并在此基础上给出了基于实数编码的实例验证。关键词:自动组卷,遗传算法,题库,实数编码,相容性检测IIAbstractIn the study of the auto-adapted overall situation optimization, the intelligence search technique and in the convergence rate quick characteristic genetic algorithm foundation,The article according to the coiling technical specification request, proposed that before the coiling, carries on the group volume request and the question bank distribution compatibility examination method first。With the aim of discovering early some are impossible the group volume request which realizes, thus the enhancement group volumes success ratio and the working efficiency, finally take the knowledge, the difficulty, the topic as the primary control parameter establishment based on genetic algorithms automatic group volume question mathematical model, and have based on this given based on the real number code example confirmation.Keywords: Automatic Test Paper, Genetic algorithm, Question database, Real code, Compatibility testing目录1第一章 绪论1.1 研究的背景及意义在教育领域中,考试是整个教学过程中的重要环节,它是对学生所学知识和能力的一种评价,也是衡量教师教学效果优劣的一种教育测量手段。目前许多考试的实施过程并不完全科学,考试手段落后,命题内容评分标准等由于受各种人为因素的干扰,缺乏普遍的可比性,考试信度和效度较低。例如,传统的检验型考试是由任课教师分别主持,命题原则不同,评分标准和评分方法不同,带有较大的主观性,不够客观和准确。随着计算机科学的迅速发展和广泛应用,计算机技术己进入现代教育领域并形成一门新兴的边缘科学计算机辅助教学。利用计算机建立试题库,实现计算机自动选题组卷,是CAI工程的重要组成部分,也是实现考试规范化、科学化的重要措施,更是实现教考分离的一个重要手段。利用计算机组卷,不仅能节省教师的宝贵时间,提高工作效率,而且能消除出卷人主观意志的影响,使考试更加标准化,更加客观、真实、全面地反映教学的实际效果,有利于促进教学质量的提高。建立了自动组卷系统以后,可实行教考分离,促使任课教师必须按照教学大纲的要求认真备课,认真组织教学内容,改进教学方法,对提高教学质量和整体教学水平有着非常重要的意义。考试是一项“测量工程” 。从统计学的角度来看,考试是一种抽样测量,通常我们告诉学生的应考内容是考查的总体,而试题实际考查到的内容则是我们从总体中抽取的样本。要提高考试质量,在实施考试之前,先要进行设计。实施一次考试命题,不论主观上的认识如何,都在进行着不同形式、不同水平的设计,差别是有的设计是不自觉的模糊的,有的设计则是有意识的、较周密的。命题是考试设计的核心,传统的命题是人工命题,往往凭主考者的经验编制试卷和评阅试卷。而我们许多重要考试的命题不够理想,往往是命题人员专业知识缺乏和命题检验不足造成,没有对试题和试卷的评估。因此,为了更好地普及计算机命题,有必要研究一种采用科学、先进的组卷方法来实现快速、高效、科学组卷。本文着重对遗传算法在自动组卷中的应用研究,通过对遗传算法理论的研究,探讨一下遗传算法以解决智能选题成卷的问题。1.2 国内外相关研究及现有题库系统的状况在国外,早己建立起一些针对标准化考试的试题库系统1。例如:美国的TOEFL、GRE、GMAT等试题库计算机系统,己成功地运作了好些年,一直都能科学地测试出学生的实际水平。这表明利用计算机来成卷是可能的而且是有效的,但是,这些2系统涉及到的具体内容与细节,以及其设计思想与原理几乎都是保密的,要建立一套适合中国国情的试题库就只能靠国人自己的努力。在国内,目前部分高校己经联合开发了一些基础学科的试题库系统。从组卷方法看,茂名学院本科毕业(设计)论文:基于遗传算法的组卷研究1现有的试题库系统大体分三种:一种是将试题库看作试题集,命题时由具有丰富经验的教师逐题抽取。二是将试题库看作试卷集,将己经出好的试卷存储起来,在组卷时任意抽取一份。三是有自动形成试卷的功能,利用某种组卷策略,自动形成合理的试卷。前两种虽能保证试卷质量,但第一种与人工命题无异,第二种只能出有限份试卷,第三种则是随机出题,又有组卷策略可遵循,会形成千变万化的试卷,但所使用的组卷技术和策略有优有劣。因此,为了更好地普及计算机命题,有必要研制一个采用先进的组卷方法的试题库成卷系统。为此,本文着重对组卷算法进行研究,通过建立一个数学模型,结合遗传算法理论,来探讨一种合适的算法解决题库系统中自动选题成卷的问题,同时在此基础上,应用VB语言实现一个自动组卷系统。1.3 本文主要工作(1)通过查阅大量中外文献,了解国内各种题库特点,分析功能需求。确定本系统的设计方案。(2)按系统要求确定数据库的数据结构,以及试题库系统的整体功能和结构,并实现组卷功能。(3)对组卷方法进行了研究,应用遗传算法进行组卷。第二章 自动组卷算法研究4第二章 自动组卷算法研究2.1 组卷算法的发展和概述国内外的许多科研单位、学校机构都在对组卷系统进行研究2。虽然组卷系统是一个被探讨了很长时间的问题,但至今还没有一个很好的解决其自动出题的算法方案。在题库试题质量高的前提下,自动组卷的效率与质量完全取决于抽题算法的设计。如何设计一个算法从题库中既快又好地抽出一组最符合考方要求的试题,涉及到一个全局寻优和收敛速度慢的问题,很多学者对其进行了研究。以前所采用的算法大多是随机选取和回溯试探法,他们虽然都能最终组出试卷,但是在实际的操作过程中,却发现他们不是耗费的时间很大就是容易进入死循环。随机选取法根据状态空间的控制指标,由计算机随机地抽取一道试题,然后根据抽题情况,调整控制指标,再去抽题,此过程不断重复,直至组卷完毕,或已无法从题库中抽取满足控制指标的试题为止,其过程见图1。N选项一题模式修正结束Y图 1 随机算法组卷流程 图该方法结构简单,对于单道题的抽取运行速度较快,但是对于整个组卷过程来说组卷成功率低,即使组卷成功,花费的时间也令人难以忍受。回溯试探法就是将随机选取法产生的每一类型记录下来,当搜索失败时释放上次记录的状态类型,然后再根据一定的规律(正是这种规律破坏了选取试题的随机性)变化一种新的状态类型进行试探,通过不断地回溯试探直到试卷生成完毕或退回出发点为止,这种有条件的深度优先算法,对于状态类型和出题量都较少的系统而言,组卷成功率较好,但是在实际应用中,发现这种算法对内存的占用量很大,程序结构相对比较复杂,而且选取试题缺乏随机性,组卷时间长,后两点是用户无法接受的,因此他也不是一种很好的用来自动组卷的算法。分析上述两种算法的优缺点,不难发现,在有限条件状态空间的控制下,随机选取法有时能够抽取出一组令用户满意的试题。只不过由于他随机选取的范围太大,无法确定目前条件下哪些区域能够抽取合适的试题,反而可能在那些已经证明是无法抽取合适试题的区域内反复选题,进行大量的无效操作进入死循环,最终导致组卷失败。第二章 自动组卷算法研究3回溯试探法组卷成功率高,但他是以牺牲大量的时间为代价的,对于现今越来越流行的考生网上随机即时调题的考试过程来说,他己不符合要求。另外,数据发掘和知识发现作为一茂名学院本科毕业(设计)论文:基于遗传算法的组卷研究6门新兴的技术虽然已开始用在组卷系统中,但是对他的研究目前都还停留在理论上,缺乏成熟的技术和理论。因此,必须结合以上几种方法寻找一种新的改进算法,这种算法要具有全局寻优和智能搜索技术,并且收敛速度快的特点。遗传算法以其具有自适应全局寻优和智能搜索技术,并且收敛性好的特性能很好地满足自动组卷要求。2.2 遗传算法概述遗传算法GA3(Genetic Algorithm)是一种新型的、模拟自然界生物进化过程的随机搜索、优化方法。他是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,是由美国Michigan大学的JohnH.Honlland教授于1975年首先提出来的。他采用简单的编码技术来表示各种复杂的结构,并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。由于他采用种群的方式组织搜索,这使得他可以同时搜索解空间内的多个区域。而且用种群组织搜索方式使得遗传算法特别适合大规模并行。在赋予遗传算法自组织、自适应、自学习等特征的同时,优胜劣汰的自然选择和简单的遗传操作使遗传算法具有不受其搜索空间限制性条件(如可微、连续、单峰等)的约束、不需要其它辅助信息(如导数) 、搜索过程不易陷入局部最优点的特点4。这些崭新的特点使得遗传算法不仅能获得较高的效率而且具有简单、易于操作和通用的特性。目前,该算法己渗透到许多领域,并成为解决各领域复杂问题的有力
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号