淺析基于遺傳算法的智能組卷系統

劉秋香 劉振偉

摘 要 智能組卷系統可以根據教師需求，快速組成一套或多套試卷進行測試，并且客觀題自動批閱，大大減輕了教師們的組卷和閱卷負擔。而遺傳算法模擬自然選擇，減少了人工干預，使結果更加公正合理，非常適合用在組卷考試上。本文從遺傳算法的基本思想與運算過程、智能組卷系統的功能分析、遺傳算法在智能組卷中的應用這三個方面，簡要介紹了一種基于遺傳算法的智能組卷系統。

關鍵詞 遺傳算法;最優解;智能組卷;組卷參數

引言

隨著科技和社會的發展，高校教育不斷推陳出新，傳統的教育模式已經逐漸被智能化教育所替代。尤其在考試出題方面，很多高校已經開始用電腦組卷替代人工組卷了。但是很多組卷系統采用的是隨機出題，這用于平常的小測驗還可以，但是用于綜合性測試中，這種隨機出題組卷的方式顯然在難度、試題分布、公平性等方面不夠合理，此時就體現出了遺傳算法的實用性和有效性。

1遺傳算法的基本思想與運算過程

遺傳算法（Genetic Algorithm，GA）是一類借鑒生物界的進化規律（適者生存、優勝劣汰遺傳機制）演化而來的隨機化搜索方法[1]，是美國的John holland教授首先提出的。該算法模擬的是達爾文生物進化論的自然選擇的過程，其根本就是將計算機數據模擬成自然的生態環境，根據優勝劣汰、適者生存原則（所給條件）在不斷的染色體（不同數據）交叉變異（排列重組）的過程中找到最好的個體（最優解）。

遺傳算法的基本運算過程如下[1]：

（1）初始化：設置好最大進化次數以及停止進化的條件，然后隨機生成一個規模為N的種群。

（2）個體評價：計算種群中每個個體的適應度（對目標條件的符合程度），并將其作為唯一評判因子來找到最優解。

（3）選擇運算：選取種群中適應度較高的個體，繼續遺傳給下代。

（4）交叉運算：選出兩個個體，作為父母產生下一代。

（5）變異運算：模擬基因突變，定義一個概率，以此產生突變個體，使種群多樣化。

（6）終止：當得到最優解或者達到最大進化次數之后，輸出最終得到的個體，終止計算。

2智能組卷系統的功能分析

智能組卷系統，能夠輕松實現考試的半自動化，不僅可以幫助教師自動組卷，還能最大限度地滿足不同教師對考試的不同要求。而利用遺傳算法實現的智能組卷系統，組卷時具有難度適中、試題分布更合理等優點，從而更能保證考試的公平性與合理性等。

智能組卷系統，至少有教師、學生和管理員三種類型的用戶。其中，教師可以查看自己班內的所有學生、管理自己科目下的所有試題、添加組卷要求、組成自己所教授科目的試卷、發布測試、批閱主觀題、查看成績分析等;學生可以參加自己老師所開放的在線測試，并且查看成績分析;管理員可以進行用戶信息管理、試題基礎數據管理，其中用戶管理包含用戶名、賬號、密碼、郵箱、班級、科目等方面的內容，試題基礎數據管理包含題型、題目、答案、難度、分值、所屬知識點等方面的內容。

智能組卷系統，通常具有以下功能：

（1）用戶管理：用戶的登錄，管理員對用戶的創建、刪除、權限賦予以及對用戶信息的編輯。

（2）科目管理：管理員管理各科科目，包括對科目基本信息以及所包含知識點的管理。

（3）試題管理：管理各科試題，包括對各科試題的錄入、編輯、刪除和導出，管理員能對所有試題進行操作，教師只能對自己所負責的科目的試題進行操作。

（4）試卷管理：根據各科教師的組卷要求，自動組成試卷。

（5）在線測試：為學生提供不同科目的在線測試，并給出成績。

（6）成績分析：自動批閱客觀題，并為學生提供一份個人的錯題分析，為教師提供每個學生的情況與每個班級的總體情況。

3遺傳算法在智能組卷中的應用

智能組卷實質上就是一個多條件約束的目標優化求解問題，是計算機系統根據出卷教師所設定的組卷參數自動生成滿足這些約束條件的n道試題組合的優化解[2]。一份試卷一般包括總分數、考試時長、試卷難度、試題類型、各題型試題數目、知識點分布等約束條件;而試卷的這些約束條件則通常是根據每道試題的題型、分值、難度、所屬知識點等屬性獲得的。

遺傳算法正如它的名字，模擬了達爾文的進化論，先初始化一個隨機種群，然后不斷雜交產生下一代，期間也會存在著變異，最后通過適者生存原則，將最好的一個或多個個體留存下來。將其應用在智能組卷系統上再合適不過。它可以根據出卷教師所期望的試卷難度、試卷結構（題型及數量和分值）、知識點分布等組卷參數，智能生成一套符合要求的試卷。

在對智能組卷功能進行分析之后，先設計數據庫及試題數據表，一般根據試題類型（如單選題、多選題、選擇題、判斷題、填空題、簡答題、綜合題等），每個題型對應一個數據表。編碼實現智能組卷功能時，根據設置的組卷參數，先從數據庫中選擇試題生成試卷，再去判斷此試卷是否是最優試卷。具體來說，可以先通過選定的知識點來找到該知識點下的所有試題，再將這些試題隨機組成多套試卷;然后通過設定的試題難度和每個試題的分值及數量，計算每套試卷的適應度，取適應度最高的當作父本，其他的隨機取一個當作母本生成下一代，一直到這個適應度達到0.98以上或者循環次數達到10000次為止。

4結束語

遺傳算法會根據使用者提出的部分條件隨機生成一個種群，然后在種群中尋找最符合所有條件的個體。由于其模仿自然界的規律來尋找最優解，減少了人為的干預，使得到的方案更加公平合理，所以被廣泛應用于考試組卷、排課、后勤任務分配等方面。

參考文獻

[1] 360百科.遺傳算法[EB/OL]. https：//baike.so.com/doc/5056960-5284178.html，2018-12-26.

[2] 潘剛，楊清平.遺傳算法在智能組卷系統中的應用研究[J].云南民族大學學報：自然科學版，2016，25（6）：579-584.

作者簡介

劉秋香（1979-），女，山東萊州人;學歷：碩士，職稱：講師，現就職單位：山東理工大學計算機學院，研究方向：軟件工程支撐環境。