基于粒子群算法的组卷系统的研究与实现

基于粒子群算法的组卷系统的研究与实现
1.绪论
1.1研究背景及意义
目前，在教育系统中，组卷环节存在的问题十分突出。特别是在中学，反复的测验和模拟考试都离不开试卷，每次考试为了能出一份难易适中，又能体现对能力和知识点全面考察的试卷，教师需花费相当多的时间和精力。即使如此，也很难保证所出的试卷的科学性、合理性，甚至可能会出现试卷偏难或偏易的现象，达不到预期的考察目标。
在这种背景下，一个基于互联网的非接触式、智能型、开放式、跨学科、多层次的通用智能组卷系统应运而生。该系统突破了计算机组卷的随机性设计构架，充分运用人工智能技术解决了包含选择题、判断题、填空题、组合题、计算题和证明题等多种题型在内的智能组卷问题，实现了题目录入、题目管理、试卷管理、试卷分析、手工调整、智能组卷和答案生成等环节的全程微机化和网络化，为教师的工作提供了极大的便利；同时它与网络在线考试的无缝连接，也使之成为网络课程不可缺少的一部分。
在当今网络日益普及的信息时代，组卷系统满足了随时随地、方便快捷开展组卷工作的需求。减轻了广大教师的工作压力，使他们能有更多的精力投入到教学研究中去。该系统以科学的评价标准为依据，采用能力、难度、知识点多向考察的指标体系，从而保证组卷结果的全面性、科学性，因此具有实际的应用前景。

1.2国内外当前研究状态
目前，计算机和网络的应用在各行各业已经很广泛，尤其是在高校。校园网
的建设己逐步完善，大多数学生也己经具备了利用网络进行交流和学习的能力。
但是在教学这个环节中，我们仍然过分依赖于传统的教学模式，对于网络的开发
和应用程度远远不够。即使是网络教学系统，也是大多为静态、无反馈的系统，
很少提供在线考试的功能[1]。
自动组卷系统的研究最早是美国首先于上世纪60年代展开的。计算机辅助
考试(CAT)自诞生以来，经历了近50年的发展，在国外已经得到了非常广泛的应
用。国外已经有很多教育和考试机构采用计算机辅助测试进行考试。其中著名的
有美国思而文学习系统有限公司(Sylvan Learning Systems Inc．)，在全世界五
大洲一百多个国家和地区有其2000多家考试中心。现在大部分的授证机构均通
过思而文公司对参考者进行测试、评估。这其中有信息产业中绝大部分计算机公
司的认证考试，还有其他专业的认证考试如医护人员认证考试，美国飞行员考试
等[2]。80年代，考试系统的应用更一步加大，如美国的TOEFL、GRE和GMAT等考
试均采用了计算机考试系统。在国内对组卷系统也有相当的研究，这其中包括：
南京大学计算机科学与技术系研制了PASCAL题库系统，高教司的重点项目基于
知识点的成卷系统统用外科软件[3]等系统。
遗传算法是霍兰德(Hol land)于1975年在他的著作{Adaptation in Natural
and Artificial systems》中首次提出。遗传算法是模仿生物遗传学和自然选择
机理，通过人工方式构造的一类优化搜索算法，是对生物进化过程进行的一种数
学仿真，是进行计算的一种最重要的形式[4]。其算法起源于达尔文的物竞天择、
适者生存规律。随后在世界范围内引起了广泛的注意并掀起对其的研究热潮，其
中Goldberg成果最为显著。他建立了完整的GA体系，且成功的在搜索、优化及
机器学习等多领域展开应用。特别是基于遗传算法的智能组卷系统已经成为计算
机辅助测试的一个重要组成部分。
国外对于自动组卷问题主要采用随机线性规则的组卷算法[5]，这种方法在算
法上采用结构化设计，实现简单，速度快，但应用不灵活。
国内经常采用的是以下几种策略[6]：
1、优先权策略
优先权策略从数量、题型的平均分数、完成率和累计值与指标值差距四个方
面综合解决了选题组卷开始阶段，由于各项属性都有较大的取值范围，指标间的
牵涉问题反映缓慢，伴随着试题增加取值逐渐缩小的矛盾。
2、随机抽取策略
随机抽取策略是根据组卷指标随机的抽取试题到试卷，此过程不断重复，直
到组卷完毕或己无法从题库中抽取满足指标的试题为止。这种方法结构简单，对
于单道题的抽取运行速度较快，但这种方法的效率不高，最主要的问题是要求试
题库题量大，且要分布良好。用随机法组卷通常需要搜索一段较长的时间，这对于网络考试是不可忍受的。随机策略有两种情况，一是从试题库中随机抽取试题，
然后判断是否符合试卷的约束条件。二是从符合试卷某项要求的试题库子集中随
机抽取试题，然后判断是否符合试卷的其它约束条件。
3、误差补偿策略
误差补偿策略就是在试题生成过程中当不满足约束条件时，适当地放松约束
条件，让试题生成在允许的误差区域内完成。这种策略在允许一定误差的前提下
减少不必要的循环搜索，提高组卷的效率和成功率，解决在实际组卷过程中由于
指标问的相互牵制和试题库题量的有限性容易使计算机的筛选陷入死循环的问
题。
4、回溯试探策略
回溯法是一种“通用的解题法”。属于有条件的深度优先算法，对于约束集R