转载

遗传算法（二）之组卷算法

组卷算法主要用于编制科学、公正的试卷的一种算法，具体大家可以百度看一下。我这篇文章主要是讲解如何通过遗传算法来实现组卷，遗传算法大家不清楚的地方仍然可以查看百度，不是这篇文章的重点。

一、遗传算法的表示

基本遗传算法（SGA）可以定义为一个8 元数组：

遗传算法（二）之组卷算法。

其中：

C ：个体的编码， SGA 种一般采用固定长度的二进制编码；

E ：适应度评价函数；

遗传算法（二）之组卷算法：初始种群；

M ：群体大小，一般取 20 ；

遗传算法（二）之组卷算法：选择算子；

遗传算法（二）之组卷算法：交叉算子；

遗传算法（二）之组卷算法：变异算子

T ：结束条件

二、遗传算法的设计

遗传算法的设计通常有以下5 个步骤：

1、编码方案的确定

编码对遗传算法的效率、解空间的收敛程度有很大的影响。如何把现实问题，转化为算法的使用的编码，也是一个难度比较大的问题。

2、选择适应度评价函数

好的适应度函数能把种群的优劣程度充分、准确的体现出来，能让遗传算法在目标空间中更快的找到近优解。

3、初始化参数

参数主要是包括：种群数目 M ，交叉概率，变异概率以及迭代的代数。

4、算子的设计

算子主要包括选择算子、交叉算子、变异算子等

5、终止条件

终止条件是要是根据求解的性质，在质量和效率上做出合理的均衡和侧重。

三、基于遗传算法的组卷实现

1、组卷问题的数学模型

一套题目遗传算法（二）之组卷算法包含 n 个属性指标，如：章节、难度、题型等；一套试题是有 m 个题目数，这样就构成了一个的矩阵。

遗传算法（二）之组卷算法

对于这个矩阵应该满足

（1）试卷的总分是一个常数 G ，例如 100 分；

遗传算法（二）之组卷算法

（ 2 ）各题型的分数也是一个常数，例如填空题多少分，选择题多少分。

遗传算法（二）之组卷算法是个常数， M 表示每个题型占总分的比例。

（ 3 ）各难度系数所占试卷的比值一般也是一个常数，

遗传算法（二）之组卷算法

2、染色体的编码

题库中有 L 个待选题目，我们用一个长度为 L 的 01 字符串来表示， 0 表示题未被选中， 1 表示题选中。这样每一个试卷都对应了一个长度为 L 的二进制字符串，称为染色体。

3、目标函数

我们可以把上述约束条件转化为目标函数，设遗传算法（二）之组卷算法（ i=1,....p,p 为要求的难度系统的总和）为难度要求为 i 的实际总分值与要求的总分值的偏差，偏差的平均值就为；

同理，遗传算法（二）之组卷算法（ i=1,...q,q 为试题的总类型数）为实际试题类型第 i 章所占的分数与试题要求的分数之间的偏差，偏差的平均值就为；每种偏差要求的权重为其中

那我们的目标函数就为:

遗传算法（二）之组卷算法

f越小选出的试题越好。

4、初始种群

一套试卷结构表为：

题型	填空题	选择题	判断题	简答题	综合题
总分数	10	10	10	30	40
每题分数	1	1	1	10	20
数目	10	10	10	3	2

题库数据表

题型	填空题	选择题	判断题	简答题	综合题
每题分数	1	1	10	30	20
难度系数	0.85 ～ 1	0.76 ～ 0.86	0.40 ～ 0.76	0.23 ～ 0.39	0.0 ～ 0.22
数目	50	150	70	30	20

假设，一套试题总分 100 分，综合难度系统为 0.55 ，也就是说，期望得分为 55 分。

四、代码实现

参考背包问题的实现。

正文到此结束

所属分类：编程技术

本文标签： 质量百度 tab 参数快的空间代码数据文章 UI http src
版权声明： 本文为互联网转载文章，出处已在文章中说明(部分除外)。如果侵权，请联系本站长删除，谢谢。
本文海报： 生成海报一生成海报二

其他链接

关于本站

本站定位：个人技术类博客

本站作用：写博客、记日志、闲聊扯淡鼓捣技术。

问题交流

遗传算法（二）之组卷算法

热门推荐

相关文章

说给你听

本文目录

随机标签

书籍教程

近期评论

网站信息

其他链接

关于本站

问题交流