基于遗传算法的智能组卷系统实现.docx

基于遗传算法的智能组卷系统实现摘要：遗传算法是数据库技术应用的一种表现形式本论文从遗传算法改进的遗传算法智能组卷的基础理论依据改进的遗传算法生产智能组卷系统。关键词：遗传算法；智能组卷；应用模式中图分类号：TP311.52考试作为教育测量学和教育统计学和的基本原理不仅是对学生学习能力和知识水平的检验方式也是对教师教育教学水平评价和体现的重要手段之一。如何更加客观公正地反映学生的学习状况全面地掌握和评价教师的教学工作能力进一步提升教师的教学水平实现教学与考试相分离使得院校整体工作效率得以提高因而开发出科学高效的组卷系统尤为重要。1遗传算法的基本原理遗传算法（GeneticAlgorithm）GA是以达尔文进化论和孟德尔遗传学作为基础结合数学理论的一种自适应随机全局优化算法。该算法模拟生物的自然选择和遗传规律对目标群体施以选择、交叉、变异等一系列遗传操作使群体内个体的适应性提高从而产生出新一代群体个体不断进化并逐渐接近最优解的状态形成一种“生存+检验”的搜索寻优算法。遗传算法以编码群体为进化基础将问题的参数空间以编码空间加以替代评价标准表示为适应度函数通过对群体中个体位串进行的遗传操作实现选择和遗传形成迭代过程。在此过程中对编码位串中重要的基因进行随机重组使位串集合的新一代总是优于上一代群体中的个体不断地进化而接近最优解达到求解问题的目的。运用遗传算法提供的通用模型可以解决涉及到任何方面、何种类型的问题因此遗传算法的应用正在向多学科领域渗透。遗传算法与人工神经网络、模糊控制理论等正在成为二十一世纪计算机智能研究的热点。2改进的遗传算法遗传算法的选择与设计取决于最初的编码设计而实现问题的解编码成为染色体是编码设计的关键问题。二进制编码、实数编码、字母排列编码等编码方式是目前较为常见的编码方式。遗传算法适应度函数的确定是采用该算法进行智能组卷的关键。适应度函数值为遗传进化过程设置标准以此标准有效地区分个体的优劣。如果适应度函数确定的好在区分个体优劣时能够防止好的个体过快扩散、坏的个体过快淘汰从而对群体多样性的保持起到积极作用遏制“早熟”现象的出现。3与智能组卷系统相关理论3.1智能组卷原则及特点智能组卷系统研究的重点是如何在短时间内生成高质量的试卷并且保证生成的试卷能最大程度地满足使用者的不同需求。由计算机考试系统的试题库中抽取试题组成的试卷必须能够作为考察学生学习效果、体现教师教学水平的重要工具和手段因而势必对试卷的组成要求更加提高。3.2智能组卷系统指标体系指标体系作为组卷问题的重要组成部分在试题库系统中扮演着重要的角色某些固有特性参数就包含在试题本身描述这些固有特性参数需要设定相应的指标多个指标组织构建成指标体系试题指标体系的建立对组卷模块功能加以支持。4智能组卷系统实现4.1系统设计模块化编程具有使程序结构的设置更加科学合理可读性进一步增强并且维护更加简单易行等优点。模块化编程对输出数据的保护表现在模块之间数据传输通过中间量属性数据存储在各自的模块中不宜被破坏或丢失使系统的安全性大幅提高。模块化编程具备较强的通用性对于同一类型的控制可以直接或简单修改就应用其中。4.2系统基本功能本系统的开发是采用PHP与MYSQL相结合的方式服务器采用Apache。组卷管理、试题管理、用户管理等是试题库系统必须具备的基本功能。组卷管理包括自动组卷、手动组卷和测验组卷三部分是系统的核心。试题管理执行试题的录入、修改、删除等功能。用户管理执行用户增加、删除、权限管理等功能。根据实际需要系统还可以设置试题科目、题型、专业信息等等其他功能。系统功能模块如表1如下：表1系统主要功能模块示意图试题库管理系统组卷管理试题管理综合管理自动组卷手动组卷测验组卷录入试题修改试题删除试题科目管理题型管理专业管理其他管理下面以组卷管理模块为例子进行组卷系统生成。4.3组卷管理模块（1）自动组卷。自动组卷生成如图1所示：图1系统自动组卷界面（2）手动组卷。手动组卷虽然在步骤上同自动组卷比较要繁琐得多但是用户能够根据实际需求组织试卷因而更具自主性。用户在进入手动组卷模式后按照先选题型后选知识点的顺序将符合要求的所有试题选出再逐一选择试题。对所有题型采用上述操作即可完成手动组卷。（3）测试组卷。测验组卷与自动组卷在操作上相类似。由于只突出更便于教师测试的功能因而无需设置试题分数以及对分数进行校验。这种方式可以大幅度提高成