粒子群算法在智能组卷中的应用
*
崔星华
郭秀娟
(
吉林建筑大学计算机科学工程学院,长春
130118
)
摘要
:
在
C
语言程序设计在线考试系统中如何组卷是系统开发的核心,组卷算法的研究则是提高组卷智能化的关
键,系统采用了一种改进的粒子群优化算法进行组卷,通过检验该算法能有效提高其收敛速度,改善算法的全
局寻
优能力,并具有较高的鲁棒性.
关键词
:
组卷算法
;
鲁棒性
;
粒子群算法
中图分类号
:
TP 391
文献标志码
:
A
文章编号
:
1009
-
0185
(
2013
)
06
-
0046
-
03
The Application of particle swarm algorithm in Smart group volume
CUI Xing
-
hua
,
GUO Xiu
-
juan
( School of Computer Science and Engineering
,
Jilin Jianzhu University
,
Changchun
,
China
130118)
Abstract: In the study
,
an improved particle swarm optimization ( IPSO) which is an algorithm of smart
group vol-ume
is put forward
.
Through the improvement of the
basic particle
swarm algorithm
,
the
convergence
speed
of
the
al-gorithm
,
as
well
as
the
algorithm
of
global
optimization
ability
,
is
effectively improved and has high
-
level robust-ness
.
Experiment s results show that the improved
particle swarm algorithm applied in the smart group volume has good performance of generating
.
Keywords: group algorithm; robustness; improved particle swarm algorithm
近些年,随着高等教育的普及和大众化,如何对教学方法进行改进进而提高教学质量,是高等学校在教
学改革中需要解决的一个重要问题.
我们可以从多方面对教学方法进行改革.
而由于考试环节在教学过程中
的重要性,因此它也成为教学改革中非常重要的一项.
现在,多数高校在无纸化考试方面进行了一系列尝试
并取得一定成果.
由于计算机技术在教学和考试中使用日益广泛,因此,人们建立的各种类型的试题库系统
越来越多.
组卷原则
(
算法
)
是试题库系统的核心,直接关系到该试题库性能的优劣,因此,对组卷算法的
研
究及提高试题库系统的性能,具有一定的现实意义.
常见的组卷算法有回溯试探法
、
遗传算法
、
随机选取
法
等,通过这些算法的研究和分析,发现许多算法都在某些方面存在一定缺陷,例如在实际应用中遗传算法
可
能会因为收敛问题而无解.
对组卷算法而言,关键是选取什么样的试题以及如何对选取的这些题目进行组
卷,组卷算法应该具有公正客观
、
快速高效性的原则.
组卷的具体流程是
:
在公正客观
、
快速高效性的原则的
基础上,把组卷的相关约束转换为组卷系统所需的信息
;
然后组卷算法根据这些信息从试题库中抽取满足条
件.
试题完整的组卷方法应包括
:
试题属性定义
、
组卷条件确定
、
组卷算法说明
3
部分.
组卷系统的具体实施
过程为
:
首先,组卷人设定具体的条件确定组卷方案,然后,系统根据确定的组卷方案,从题库中抽取
符合条
件的试题并组织成规定形式的要求的试卷
[
1
-
3
]
.
本文研究了课程考试的试题库系统的特点,并以其为基础建立了
《
C
语言程序设计
》
课程试题库系统,
在分析组卷问题的数学模型的基础上,引入粒子群算法实现智能组卷,同时探讨了面向课程试题库系统新的
组卷策略和算法.
收稿日期
:
2013
-
07
-
03
.
作者简介
:
崔星华
(
1981
~
)
,男,吉林省长春市人,讲师,硕士.