改進遺傳算法在智能組卷系統中的應用研討

李澤河　張德剛　李建平　曹俊豪

摘 要：在線無紙化測試是現今流行的測試方式，無紙考試日漸替換了傳統模式下的筆試并獲取了更廣的認同。設計考試配備的網絡系統不可缺失組卷步驟，如何組卷關乎測試得出的精準性。組卷系統提升了智能性，采納改進得出的新式遺傳算法以此來自動調配組卷。智能水準更高的組卷應能便于自動調配試題，完善了原有的系統性能。對于此，解析了智能組卷可選的改進遺傳算法，結合實情探析了更合適的應用思路。

關鍵詞：改進遺傳算法 智能化組卷系統 具體應用

中圖分類號：TP2 文獻標識碼：A 文章編號：1674-098X（2016）03（b）-0013-02

網絡考試日漸滲透于多樣領域，新式背景下的無紙測試便利了常規的考試。網絡考試不可脫離設計步驟內的組卷，選取的組卷方式關系到隨機抽調的試卷質量，也關乎網絡考試表現出來的智能性水準。操作組卷問題時，先要擬定可查驗的必要參數并采納合適的變換算法。設計并選取最相宜的組卷算法應能整合多樣的內外要素，例如妥善設定題型配比、劃分多層次的試卷分值、設定最佳的測試時段。組卷算法常見回溯試探及隨機抽調的兩類方法，組卷應能吻合真實的能力層次[1]。相比來看，改進遺傳算法更注重于化解組卷步驟中的智能性難題，獲取了凸顯的組卷應用實效。

1 根本的算法機理

1.1 遺傳算法的內涵

遺傳算法含有如下的根本原理：若群體沒能獲取最佳解，或者沒能獲取最近似的解，那么不可繼續后續的個體進化。在遺傳算法中，個體表現出來的本身特性不可超越前一代；與此同時，個體彼此也是很近似的。在這種狀態下，算法將很難予以維系且快速終止。借助設定好的算法流程，局部可獲取最佳解答，然而全局并不可獲取這種最優解答。針對于智能組卷，應能采納最合適的遺傳算法。常規狀態下的算法可分成擬定遺傳編碼、操作選擇性的算法、擬定適應度數。經過對比可得：相比于生物遺傳學，遺傳算法更契合了智能組卷依循的流程。為此，有必要詳盡辨析遺傳算法內含的多步驟，確保常態的組卷可被落實[2]。

1.2 智能組卷中的算法價值

面對規模較大的常規考試可選更高層次智能性的閱卷及組卷，借助微機以便于組卷。從現存題庫中，采納自動的多步驟篩選了最適宜的若干題型；經過自動生成，得出合格的卷面?，F今教學及測試范圍內都可選取智能化組卷，新式組卷替換了常用手動的組卷并顯現了優勢。這是由于，傳統步驟內的手動組卷消耗掉的精力時間都是較多的，組卷缺失了便捷性及更高的靈活性并且減低了應有的組卷效率。智能性的微機組卷可協助節省時間，用戶即可擁有更多用作備考的充足時間，在根本上提升了平常授課的質量。

計算機輔助下的組卷應能優選遺傳算法，這種算法凸顯了獨有的新優勢。遺傳算法有著更優的魯棒性及便捷性，可并行內在的各類算法并用作化解繁雜的多樣難題。遺傳算法依循了隨機搜索，模擬得出自然狀態下的遺傳機理以便于搜索最適宜的某一解答[3]。在自然界中，這類算法模擬了交叉及變異、物種的選擇等，各次的篩選中都應預留有待選取的解答。依照給定的規則，從現存的多種群范圍內篩選了最優的個體。運用交叉變異，遺傳算法獲取了新種群，這樣即可尋找期待中的最優解答。

考試系統不可缺失智能組卷，遺傳算法輔助狀態下的智能組卷被歸入必備的部分。在最大范圍內，智能組卷縮減了命題總量且杜絕了潛在的人為偏差。若擬定了多樣約束要件下的某一復雜條件，則遺傳算法憑借于染色體編碼、尋找遺傳算子、尋找適應度函數這些路徑即可快速確保最優的組卷質量。這樣做，在根本上提快了日常組卷的速率，組合得出的試卷也可覆蓋著更廣的知識范圍。此外，智能組卷也避免了多次反復同種的知識點，新式算法被確認為有效的。

2 改進得到的新遺傳算法

（1）設計得到算法配備的編碼。運行狀態下的微機可辨析的編碼都為二進制，遺傳算法也應吻合給定的這種格式。編制二進制特定的編碼時，要選取搭配的染色體。借助實數編碼，還可選取多樣的途徑用作編碼。新式技術下的編碼算法可分成多類，提升了根本的編碼速度。針對于智能組卷，恰當編碼應能確保更高層次內的智能化。二進制可選簡易的編碼步驟，變異及交叉性的操作都更為便捷。然而，這種編碼運算也將耗費更多存儲性的內在空間，缺失了表述時的精準性。遇有約束性的復雜難題，二進制編碼也將顯現獨有的優勢[4]。

（2）要明確合適的適用度數。適應度函數被融匯于算法范圍內，要選取適應度的函數，這種前提下才可設置關鍵性的智能組卷手段。代表著適應度的數值應為進化步驟中的函數，這種數值對應著給出來的設置標準。運用這種標準，有序區分了質量不同的個體。若確定了最佳的適應度函數，即可精準辨別優劣不同的多樣個體。這樣做，也防控了過早淘汰某一個體或較快的擴散，抑制早熟并維持了多樣形態的個體種群[5]。

（3）選取某一組卷要素，估算得出它匹配的權值并設定可選的區間。設置估算權值，這種數值代表著綜合性的收斂誤差。詳細來看，可分成如下次序的多部分運算：知識點匹配的分值、章節占有的分值、測試的總難度、各類題型及設置的總分、試卷反映出來的水準及實力、答卷耗費的總時間及運算量。每組因素都匹配于綜合性的組卷誤差，誤差程度等于初期統計得出的平均比值。為強化適應度且便于后續運算，還要增設指數函數配備的底數。

3 智能組卷中的改進算法運用

每種系統都匹配了自帶的指標體系，在構建起來的現存體系內匯聚了多樣的內在指標。針對各個參數，系統都設定了對應著的角色且表述某一性能。構建各類的指標，都可服務于綜合范圍內的智能組卷。優化各類的指標，從根本入手創設了最優的智能性組卷體系。改進遺傳算法可用作日常的設計考試中，智能化新式的組卷更增添了自動性，這樣構建起來的組卷系統才會擁有實用及安全的綜合效能[6]。為了確保安全，在智能系統架構內應能綁定地址，增設數據庫對應的服務器以便于預留備份。數據都要經由加密，獲取綜合狀態下的最佳系統實效。實際上，設置指標并沒能依循給出來的固有模式，詳細來看改進后得到的遺傳算法可適用于如下的智能組卷。

3.1 設置體系架構

組卷采納的智能化路徑創設了新式的體系架構，可分為功能層、數據層及配備的表示層。從功能視角看，智能系統要吻合多樣的自身性能，例如維護試卷、抽調各類的測試題、管理考試系統、統計得出各科目特定的分值。針對于系統設置，改進遺傳算法創設了可抽取的試題庫并增設了抽調試題的來源。依照登陸狀態下的學生分數，隨時查看變更的測試信息。等到測試終結，系統還應錄入自動性的各科目分數。后續的評分時，閱卷模塊留存下來的各科目分值都將顯現于屏幕，可供教師查閱。登陸查詢系統，學生也可查出精準的測試分數。

3.2 細化的系統層次

改進遺傳算法首要設置了精準的系統編碼，即染色體編碼。若要求解某一難題，先要經過選定的這種步驟。染色體配備了本身的編碼，映射可得空間性的代碼串而后構建了細化的各試卷部分。各個試卷都匹配了本身特有的染色體，題號關聯著基因配備的編碼。各類測試題都被歸入細化的不同組別，統一放置了同樣的題型。在這之后，依照分段歸納得出的染色體序列以便于生成，確?？傮w范圍內的各個題型都含有等同的總數。依照給出來的比值以便于調控后續各步驟。通常來看，試卷要含有主觀性的、客觀性的兩類題目[7]。

在選擇操作中，應能優選適宜的某些個體而后進到擬定的選擇步驟內。針對于改進算法，通?？蛇x輪盤賭這類步驟。從現存群體范圍內，典型的抽取算法應能抽出最合適放置的某些個體。篩選優質的這些個體，復制得出下一代配備的模板。交叉操作是指：依照給定的概率，隨機變更染色體內含的某些基因。在這樣做之后，應能獲取增設的新染色體。交叉概率影響著遺傳算法表現出來的真實性能，也影響到波動頻率。此外，變異操作應能搜索組卷的全局，更改了某些方位的染色體基因。

3.3 擬定的指標體系

詳細來看，智能組卷配備了若干的指標，例如所屬章節、抽調的題型、試卷涵蓋的知識點。依照劃定的不同需要，題型可分成填空及選擇、概念類的題目、簡答及解析題目、應用性的綜合題型。在給定的題庫之內，題型及歸屬的章節彼此是緊密關聯的，二者也是對應的。知識點是側重考核的要點，它反映著大綱給出來的總體要求[8]。

真正命題時，試卷難度關乎選出來的測試對象。此外，針對于授課進展的不同階段也應配備不同難度的卷面。待測群體面對了多變狀態下的考試環境，多樣要素都表現出某一影響。確定難度系數應選取客觀及科學的新方式，結合積累得出的經驗以便于劃分多層次的難易程度。

4 結語

遺傳算法相比來看擁有更強的本身優勢，同時修補了常規算法潛在的各類弊病。改進之后新式的這類算法整合了設計編碼、設計變異及交叉的算子、調配函數的適應值等。遺傳算法增添了自適應的新特性，仿真測試得出智能組卷最佳的實效。在數據挖掘中，遺傳算法更是常用的。大數據狀態下，物聯網及云計算被融匯于更廣的數據挖掘且獲取了更優的成效。未來的實踐中，智能組卷系統還可推廣采納遺傳算法，改進原先的組卷方式以此來適應多樣的被測試人員。

參考文獻

[1] 李霞婷，宋榮.改進遺傳算法在智能化組卷系統中的應用[J].電子技術與軟件工程，2014（6）：196.

[2] 白東玲，郭紹永.改進的遺傳算法在智能組卷系統中的應用研究[J].計算機與現代化，2013（3）：25-28.

[3] 韓英慧.改進的遺傳算法在智能組卷系統的應用[J].長春教育學院學報，2015（11）：59-60.

[4] 孫俊麗.改進遺傳算法在組卷系統中的設計與實現[J].信息技術與信息化，2015（8）：112-114.

[5] 宋秋蓮.改進型遺傳算法在自動組卷系統中的應用研究[J].計算機光盤軟件與應用，2013（24）：117-118.

[6] 王秋紅，陳明銳.精英交叉遺傳算法在組卷系統中的應用[J].電腦知識與技術，2013（35）：8078-8080.

[7] 王姣娜.基于改進遺傳算法的組卷系統在電子商務模擬系統中的應用[J].數字技術與應用，2013（12）：118-119.

[8] 王紅.改進遺傳算法在組卷系統中的應用研究[J].科技傳播，2011（9）：221，222.