分布式组卷算法的研究毕业设计(论文)word格式.doc
《分布式组卷算法的研究毕业设计(论文)word格式.doc》由会员分享,可在线阅读,更多相关《分布式组卷算法的研究毕业设计(论文)word格式.doc(100页珍藏版)》请在三一办公上搜索。
1、分类号 密级 U D C 硕士(博士)(工程硕士)学位论文分布式组卷算法的研究 (题名和副题名)研究生姓名 张 景 中 指导教师姓名、职称 王 海 瑞 教授 学科专业 计算机技术 研究方向 人工智能 论文工作起止日期 2008 年 07 月 01 日 论文提交日期 2009 年 05 月 06 日 摘 要随着计算机技术的发展,计算机辅助教育作为一门新兴的综合学科,越来越受到广大教育工作者的重视。在计算机辅助教育的研究中,组卷算法是评价考试系统好坏的一个主要因素,一个良好的组卷算法对于准确地检验学生学习成绩和教师教学效果起着非常重要的作用。组卷算法是按照一定的要求,由计算机自动地从试题库中选择试
2、题,组成符合总分、总时间要求和试题题型、试题数量、知识点、难度等约束条件要求的试卷。由于组卷要求生成的试卷能最大程度地满足用户的不同需要,并具有随机性、合理性,因此如何设计一个算法从试题库中既快又好地抽出一组最符合考试要求的试卷,是本文研究的目的。首先,本文介绍了组卷算法的研究背景、目的和意义,在国内外大量相关文献分析研究的基础上,着重对组卷算法进行研究。通过对目前常见的组卷技术的分析,指出了常见组卷算法的缺点。在此基础上,提出了将遗传算法应用于组卷问题具有可行性,具有很大的理论和应用研究价值。 其次,以经典测量理论为基础,介绍了组卷的一些基本原则,分析了试卷的评价指标、试题各项指标的作用及几
3、个重要指标间的关系。在此基础上,总结了编制一份试卷所要满足的约束条件,并建立了组卷问题的数学模型,得出了组卷的目标函数、适应度函数等。再其次,介绍了遗传算法的产生与发展、特点与不足,还介绍遗传算法中的一些基本概念,算法的执行流程,编码与适应度函数的设计以及选择算子、交叉算子、变异算子的设计与实现,论证了遗传算法应用于组卷问题的可行性。最后,结合组卷问题的数学模型和组卷问题的特点,基于JGAP开发包,采用了一种分段二进制编码,首次提出了倒置交叉、双变异算子的实现方法。通过仿真实验表明,该算法收敛于局部最优解,稳定性较差,组卷质量较差,种群过早丧失多样性,进入“早熟”。在分段二进制编码的基础上,提
4、出了分段整数编码改进实现方案,设计并实现了相应的交叉和变异算子。通过仿真实验表明,该算法具有很好的稳定性和收敛性,组卷质量较好,但由于种群多样性的丧失,局部寻优能力较弱。为了保持种群的多样性,在分段整数编码的基础上,提出多种群协同进化策略,并应用组卷问题中。通过仿真实验表明,该算法在全局搜索性能和收敛速度上都有显著提高,同时采用了JAVA语言实现了算法的跨平台性和可移植性,还可根据动态试题类型配置和知识点配置,对题库中的试题进行高质量的预选择,实现了动态组卷。该算法组卷质量高,组卷速度不理想,基本上能够满足实际组卷需求,具有较高的应用价值。为了提高组卷效率,提出了将分布式遗传算法应用于组卷问题
5、中,给出了该算法的架构体系和具体实现机制。由于JGAP开发包在通信中出现错误,没有得到实验数据,这将作为以后继续研究的方向。关键词:遗传算法;组卷算法;组卷;种群多样性;数学模型AbstractWith the development of computer technology, computer-aided education as an emerging integrated subject, is received increasing attention by the education workers. In the study of Computer-aided educatio
6、n, Algorithm generating paper evaluation of the examination system is a major factor in good or bad, a good Algorithm accurately testing students for learning and teaching effectiveness of teachers plays an important role.Algorithm generating paper is based on certain requirements, automatically sel
7、ect questions from the test database to form in line with the total score, the total time requirements and test style, test the number of knowledge points, the difficulty of binding conditions, such as papers.To meet the different needs of users and have the random, reasonable, the purpose of this p
8、aper is how to design an algorithm from the questions library fast and well to take a group of the best papers in the examination requirements.Firstly, the paper introduces the research background, purpose and significance, a great deal of relevant literature at home and abroad focusing on the study
9、 Algorithm.The shortcomings of common algorithm are pointed out based on the current analysis of the generating technology. On this basis, the proposed genetic algorithm is applied to the question of the feasibility of test papers, which has great value of theoretical and applied research.Secondly,
10、based on classical measurement theory, the basic principles of test paper is introduced, the evaluation of papers, the role of indicators, a number of important indicators of the relationship are analyzed.On this basis, constraint conditions are prepared and a mathematical model generating papers is
11、 established, also the paper come to the objective function, fitness function, etc.Thirdly, the emergence and development of genetic algorithms, characteristics and shortcomings of the genetic algorithm are introduced in the paper, also some basic concepts, algorithm implementation of processes, enc
12、oding and the design and Implementation of fitness function, selection operator, crossover operator and mutation operator are proposed, then the paper demonstrated that the genetic algorithm is applied to generate papers.Finally, combined with the issue of generating paper problem and the mathematic
13、al model, the inverted cross, double mutation of the implementation are proposed the first time based on JGAP Development Kit, using of a sub-binary code.Simulation experiments show that the existing algorithm converges to local optimal solution, has poor stability and poor quality, loses diversity
14、ahead of time to access to mature. In the sub-binary code, based on a sub-integer encoding to improve the achievement of the program, the corresponding crossover and mutation operator are designed and realized. Simulation experiments show that the algorithm has good stability and convergence, better
15、 quality, but because of the loss of population diversity, local optimization is weak. In order to maintain the diversity of the population , a wide range of groups co-evolutionary strategy based on the sub-integer-coded, is proposed and realized. Simulation experiments show that the global search p
16、erformance and convergence speed of the algorithm are significantly increased, while the cross-platform and portability are realized by the use of the JAVA language of the algorithm, but also a dynamic paper is achieved on the basis of the type of configuration ,dynamic knowledge-point configuration
17、, high-quality pre-selection.Although the algorithms speed is not satisfactory, its high quality has a higher application value, which largely meet the needs of the actual generating paper. In order to improve the efficiency, a distributed genetic algorithm is applied to generating papers, given the
18、 structure of the algorithm and the realization of the system. JGAP development kit get errors in the communications, as the experimental data is notreceived, which will be studied as a future direction.Keywords:Genetic Algorithm; Algorithm Generating Paper; generating paper; diversity of population
19、; mathematical model目录摘 要IAbstractIII1 绪论11.1 组卷算法的研究背景11.2 组卷算法研究的目的和意义21.3组卷算法的研究现状21.3.1组卷算法的研究背景21.3.2几种组卷算法的综合评价41.4 本文的主要工作51.5 本文的组织结构62 组卷问题的基本理论及数学模型82.1组卷的原则82.2组卷的特点92.3影响组卷质量的因素92.3.1信度92.3.2效度122.4影响试题质量的因素132.4.1试题难度132.4.2试题区分度142.6组卷问题的数学模型182.6.1组卷问题的约束条件182.6.2组卷问题的数学模型182.6.3组卷问题的
20、目标函数212.7本章小结233 遗传算法理论243.1遗传算法的产生与发展243.2遗传算法的特点及不足253.3遗传算法中的基本概念263.4遗传算法的运算流程273.5遗传算法的设计与实现283.5.1编码的方法293.5.2适应度函数303.5.3遗传算法算子313.6本章小结344 组卷算法的设计与实现354.1题库的建立354.1.1总题库的E-R图354.1.2题库表结构354.1.3创建题库表结构374.1.4试题属性类结构374.1.5初始化题库算法384.2题库预选394.2.1组卷策略的配置394.2.2试题类型配置类404.2.3试卷配置类414.2.4题库的预选算法4
21、24.3 本文采用的软件开发包JGAP424.3.1 JGAP简介424.3.2 JGAP主要类424.3.3 JGAP实现步骤454.4基于二进制编码的遗传算法的实现454.4.1染色体编码454.4.2初始化种群464.4.3适应度函数的设计474.4.4选择算子的设计474.4.5交叉算子的设计484.4.6变异算子的设计504.4.7遗传算法的终止条件514.4.8组卷算法的实现514.4.9实验524.4.10实验数据分析584.5基于整数编码的改进遗传算法的实现594.5.1编码设计594.5.2生成初始化群体604.5.3交叉算子的设计604.5.4变异算子的设计614.5.5实
22、验624.5.6实验数据分析674.6 多种群协同进化的遗传算法的单机模拟实现684.6.1实现策略684.6.2实验694.6.3实验数据分析754.7 本章小结765 分布式遗传算法的架构775.1 序言775.2 分布式遗传算法775.3 迁移策略785.4分布式遗传算法参数的选择785.5 基于JGAP分布式的架构体系805.6基于JGAP的分布式遗传算法实现机制805.6.1分布式遗传算法的重要类805.6.2分布式遗传算法的具体实现方案815.6.3分布式遗传算法的执行步骤825.6.4分布式遗传算法的实验结果835.7 本章小结836 结论84参考文献86致 谢901 绪论1.1
23、 组卷算法的研究背景随着计算机技术的发展,计算机在各种领域的应用越来越广泛。20世纪50年代,在程序教学理论的基础上,产生了计算机辅助教育(Computer Based Education,CBE)。经过几十年的发展,形成了计算机辅助教学(Computer Assisted Instruction,CAI)和计算机辅助管理(Computer Managed Instruction,CMI)两大分支。我国在计算机教育方面研究比较晚,但也取了很多成就。随着计算机辅助教学的广泛发展,利用计算机的强大功能参与教学,已经成为教育工作者和科研人员广泛关注的研究领域1。智能组卷系统则是CAI的重要组成部分,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 分布式 算法 研究 毕业设计 论文 word 格式
链接地址:https://www.31ppt.com/p-4021225.html