基于人工鱼群算法的智能组卷研究与实现

发布时间：2017-10-16 00:24

  本文关键词：基于人工鱼群算法的智能组卷研究与实现

  更多相关文章： 智能组卷 组合优化问题 人工鱼群算法(AFSA) 仿生学算法

【摘要】：随着计算机与人工智能技术的迅速发展,以及社会发展对教育技术的要求越来越高,计算机辅助教育应用越来越广泛。组卷系统作为辅助教学的重要手段之一,利用计算机技术和人工智能算法从试题库中抽取部分试题组成符合特定试卷总分、考试时间、难度系数、区分度等要求的试卷。智能组卷算法的设计和试题库的建立是智能组卷系统的研究热点和关键内容。 本系统采用ASP.NET开发平台和C#编程语言开发了一种在线考试系统,实现了试题库的增加、删除、查看、修改操作,用户权限管理模块,考试信息的发布及考试人员的安排、学生在线考试,查看考试成绩的功能；同时,利用人工鱼群算法(AFSA)实现了基于试题库的智能组卷功能。在实现基本AFSA的基础上,本文针对智能组卷问题的特点对基本人工鱼群算法进行了相应的改进与优化,为群体智能算法应用于组合优化问题进行了一些探索。 本文首先介绍了智能组卷技术的发展及研究现状,在查阅大量国内外相关文献的基础上分析和讨论了随机组卷法、遗传算法、粒子群算法应用在组卷问题中存在的不足。然后,详细阐述基本人工鱼群算法(AFSA)理论,即AFSA基本思想、人工鱼模型、基本行为、算法执行流程、收敛依据及基本参数对收敛性的影响,完成了考试系统的数据库和主要功能模块的设计和编程实现。 本文重点研究并实现了人工鱼群算法应用于自动组卷,针对组卷问题中所涉及的约束条件建立了智能组卷问题的数学模型和组卷的目标函数,分析并实现了智能组卷中人工鱼的编码方式、人工鱼之间的距离、状态更新公式、领域中心的设计,对人工鱼群算法的步骤进行了详细的描述,并成功地将人工鱼群算法应用于智能组卷模块,实验结果表明采用基本人工鱼群算法进行智能组卷基本上能满足用户的需要,但是组卷成功率有待进一步提高。本文在对基本人工鱼群算法分析研究的基础上,针对其不足之处研究了人工鱼群算法的改进方法,并采用C#实现了相应的改进算法。通过对比遗传算法(GA),实验结果表明,改进的人工鱼群算法的组卷成功率略低于遗传算法,但是组卷所需时间小于遗传算法且满意度由0.866增加到0.907,它在一定程度上提高了基本人工鱼群算法的寻优精度,为计算机辅助教学系统的实际应用进行了一些探索。
【关键词】：智能组卷 组合优化问题 人工鱼群算法(AFSA) 仿生学算法
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP18;TP311.52
【目录】：

• 摘要4-5
• Abstract5-7
• 目录7-9
• 第1章 引言9-17
• 1.1 研究背景9-10
• 1.2 研究目的及意义10
• 1.3 国内外研究现状10-12
• 1.4 智能组卷问题的几种智能算法12-15
• 1.4.1 随机组卷法12-13
• 1.4.2 遗传算法13-14
• 1.4.3 粒子群算法14-15
• 1.5 本文研究的主要内容15-16
• 1.6 本文的组织结构16-17
• 第2章 人工鱼群算法理论17-23
• 2.1 人工鱼模型17-18
• 2.2 人工鱼基本行为18-20
• 2.2.1 觅食行为18
• 2.2.2 随机游行为18-19
• 2.2.3 聚群行为19
• 2.2.4 追尾行为19-20
• 2.3 人工鱼群算法的步骤20
• 2.4 人工鱼群算法的收敛依据20-21
• 2.5 基本参数对算法收敛性的影响分析21-22
• 2.6 本章小结22-23
• 第3章 人工鱼群算法求解智能组卷问题23-39
• 3.1 智能组卷问题23-24
• 3.2 智能组卷问题的数学模型24-28
• 3.2.1 组卷的约束条件24-27
• 3.2.2 组卷问题的目标函数27-28
• 3.3 智能组卷问题中人工鱼群算法的分析与设计28-32
• 3.3.1 距离的设计28-30
• 3.3.2 人工鱼的状态更新公式的设计30-31
• 3.3.3 领域中心的设计31-32
• 3.4 算法的步骤32-35
• 3.5 算法在考试系统中的实验35-38
• 3.6 本章小结38-39
• 第4章 人工鱼群算法的改进与实现39-47
• 4.1 改进的人工鱼群算法39-44
• 4.1.1 改进行为及描述39-42
• 4.1.2 算法描述42-44
• 4.2 人工鱼群算法与遗传算法的实验结果对比及分析44-46
• 4.3 本章小结46-47
• 第5章 考试系统的设计与实现47-56
• 5.1 系统的设计47-49
• 5.1.1 系统体系结构的设计47-48
• 5.1.2 系统整体功能模块设计48-49
• 5.2 数据库设计49-52
• 5.2.1 系统整体数据介绍49
• 5.2.2 主要表的结构49-52
• 5.3 主要功能模块的实现52-55
• 5.3.1 题库管理模块52-53
• 5.3.2 考务管理模块53-54
• 5.3.3 智能组卷模块的实现54-55
• 5.3.4 学生考试模块55
• 5.4 本章小结55-56
• 第6章 总结与展望56-58
• 6.1 本课题总结56-57
• 6.2 进一步工作展望57-58
• 致谢58-59
• 参考文献59-61

【参考文献】

中国期刊全文数据库 前7条

1 廖灿星;张平;李行善;张岩;;基于混合人工鱼群算法的传感器网络优化[J];北京航空航天大学学报;2010年03期

2 王宇颖;陈振;苏小红;;自动组卷中试题去重技术研究[J];哈尔滨工业大学学报;2009年01期

3 张英杰;李志武;奉中华;;一种基于动态参数调整的改进人工鱼群算法[J];湖南大学学报(自然科学版);2012年05期

4 刘彦君;江铭炎;;自适应视野和步长的改进人工鱼群算法[J];计算机工程与应用;2009年25期

5 王飞;徐肖豪;张静;;基于人工鱼群算法的单机场地面等待优化策略[J];南京航空航天大学学报;2009年01期

6 贺荣;陈爽;;在线组卷策略的研究与设计[J];计算机工程与设计;2011年06期

7 赵海峰;姚丽莎;罗斌;;改进的人工鱼群算法和Powell法结合的医学图像配准[J];西安交通大学学报;2011年04期

中国博士学位论文全文数据库 前2条

1 李晓磊;一种新型的智能优化方法-人工鱼群算法[D];浙江大学;2003年

2 张梅凤;人工鱼群智能优化算法的改进及应用研究[D];大连理工大学;2008年

中国硕士学位论文全文数据库 前5条

1 朱家静;基于遗传微粒群算法的组卷策略应用研究[D];大连海事大学;2011年

2 李海兵;智能组卷系统的研究与实现[D];中南大学;2008年

3 张颖;智能考试系统研究[D];天津大学;2009年

4 马德良;基于改进遗传算法的智能组卷方法研究[D];国防科学技术大学;2010年

5 欧薇;基于遗传算法的在线考试系统的设计与实现[D];华南理工大学;2012年

，

本文编号：1039567