基于改进遗传算法的自动组卷研究(1)(2)
2014-05-31 01:09
导读：/总分 (4) 试卷的区分度要满足用户的要求，试卷的区分度一般用试卷中每道试题的区分度的加权平均来计算。即：试卷的区分度= /总分 (5) 试卷的总分要与
/总分 (4) 试卷的区分度要满足用户的要求，试卷的区分度一般用试卷中每道试题的区分度的加权平均来计算。即：试卷的区分度=
/总分 (5) 试卷的总分要与设置相符。即：试卷的总分=
(6) 试卷的总答题时间要与用户设置相符。即：试卷的总答题时间=
在实际组卷时，试卷的总分、考核知识点、各题型每小题分值、试卷中包含的题型、各题型的题量都应该是精确达到的。试卷中各考核知识点所占的分数、试卷的难度系数、区分度和试卷的总答题时间这四个约束条件可以存在一定的误差。误差的大小由用户的期望值和各约束条件的重要性决定。在实际应用中，各约束条件的重要性是不同的，因此，目标函数就取各项误差的加权和。目标函数f可以表示为：
为了不至于各项误差相互抵消，实际值与用户要求值的误差都取绝对值。其中，试卷中各考核知识点所占的分数和试卷的总答题时间这两项的误差为实际值与用户要求值的误差绝对值与用户要求值的比，试卷的难度系数和区分度这两项的误差为实际值与用户要求值的误差的绝对值。wi表示第i个约束条件的权值，wi通常由专家经验或试验给出，0≤wi≤1，
。由上式可知，目标函数
f的值越小，即误差越小，问题的解越优，即生成的试卷越接近用户的需求。3 遗传算法 遗传算法[3，4，5]是以适应度函数（或目标函数）为依据，通过对群体中的个体进行遗传操作实现群体内个体结构重组的迭代处理过程。在这一过程中，群体中的个体一代一代地得以优化，并逐渐地逼近最优解，最终获得最优解。传统遗传算法的主要步骤包括初始染色体群体生成、适应度评估和检测、选择操作、交叉操作和变异操作。传统遗传算法流程图如图1所示（其中t为进化代数，t0为最大进化代数）。
图1 传统遗传算法流程图共2页: 1 [2] 下一页 论文出处(作者):
Web数据挖掘中频繁访问页组有趣性的研究
基于P2P的流媒体技术研究
