一、基本信息
标题：《基于改进遗传算法智能组卷系统的研究 》
时间：2013
来源： 电子科技大学硕学位论文
关键字：智能组卷，遗传算法，收敛性，算子，适应度函数
二、研究内容
内容：基于对组卷问题约束条件的分析，建立试卷矩阵数学模型，进而提出可以 存储试卷各种属性指标和适应值的编码方法，可以较好的避免重复计算适应值， 同时，为避免解码过程和提高运算效率，将试题转换为遗传算法的基因。为避免组卷过程中的知识点冲突，改进了遗传算法，提出了针对变异算子 的分段多点变异策略和针对杂交算子的一种分段多点杂交策略。为保持种群的多样性，本文也提出了一种以知识点为基本依据，产生答题 时间、题型分布、知识点等基本要求的试卷初始群体的办法。该方法利用大比率 杂交和变异，可提高遗传算法收敛速度，从而提高组卷速度。论文在上述方法基础上，设计并实现了一个智能组卷系统，通过实验的验 证，本文的算法在试卷的各项指标方面得到了较好的满足。
思路：
三：总结：
首先在对现代测试理论进行深入分析的基础上，对试卷以及试题的约束 条件进行深入的探讨，根据试卷目标和试卷的核心属性和限制，建立一个新的试 卷矩阵数学模型。改进了遗传算法，采用矩阵编码对编码方法进了改进，该编码可以存储 组成的试卷个体的各种属性指标和适应值，可以提高运算速度。对遗传算子进行 改进，提出一种用于变异算子的分段多点变异策略，利用变异和大比率杂交保持 种群的多样性，有效避免组卷过程中知识点冲突，同时避免了搜索空间的迅速缩 小，加快了整个算法向全局最优值的逼近速度，提高了全局寻优性能，同时，为 保证父代中的优良个体进入子代，在复制时，采用基于适应值排序的选择方法， 使遗传过程中对后代的选择为最优保存策略。