论文部分内容阅读
考试是教学环节中必不可少的重要组成部分，而考卷是考查学生的学习效果和教师的教学质量的重要手段。随着人工智能和计算机技术的发展，使得智能组卷技术的发展显得尤为重要，并逐步代替传统的考试出题方法，成为当前的研究热点。 但当前的随机算法仅限应用于约束条件不多且复杂度不大的小型组卷系统中；回溯算法的缺点是对电脑内存占用量很大，整个程序的结构也相对比较的复杂，并且抽取的试题也缺乏随机性以及组卷的时间较长问题；基于专家系统的生成算法需要构建完整的专家知识库，并且算法相对复杂，组卷等待时间较长；启发式搜索算法基于人工智能，组卷的成功率较高，可以满足较为复杂的试卷自动化生成的需求，但这种程序设计比较复杂，试卷的生成速度比较慢。 比较上面算法而言，遗传算法为最优的选择，因此遗传算法的应用情况最为广泛，但将传统遗传算法应用到智能化的组卷系统时，比较容易出现的问题是过早收敛和在进化后期搜索效率较低等，使得当前算法还存在一定缺陷问题。因此本文针对遗传算法存在的收敛过早，搜索效率低等问题，采用混沌量子免疫方法进行改进。通过建立组卷数学模型，结合遗传算法理论解决考试系统中的智能组卷问题。在选择算子中采用适应度排序在前一半的个体进入下一代的繁殖；在交叉算子中采用最优保持策略；在成卷前调试试卷知识点的分布。使组卷算法在不同的要求下都能得到较为满意的效果。