[发明专利]一种基于遗传算法的智能组卷方法

说明书

本发明公开了一种基于遗传算法的智能组卷方法，其特点是将基于“ε‑greedy”贪心算法引入自动组卷，使父代生成子代的多轮迭代中能充分利用好上一代的优良个体，得到最优试卷，智能组卷具体包括：目标试卷约束、初始种群、个体适应度的计算、操作选择、交叉操作、变异操作、最优试卷的评价和输出试卷等步骤。本发明与现有技术相比具有自动组卷效率和组卷结果适应度高的优点，能充分利用好上一代的优良个体，让试卷质量朝好的方向发展，得到全局最优解，方法简单，使用方便，有效了解决这两个遗传算法的问题，进一步提升组卷效率。

技术领域

本发明涉及自动组卷技术领域，尤其是一种基于遗传算法的智能组卷方法。

背景技术

从古到今，考试都是衡量知识能水平的有效形式，随着教育信息化的发展，传统的教师命题纸质试卷的考试模式暴露出了很多弊端，例如浪费资源、过程繁琐、效率低、试题保密性不强、缺乏规范性和合理性等问题。自动组卷简化了考试流程，极大的减轻教师的工作，同时也节约资源，提高了考试质量。现有自动组卷系统大多运用随机选择法、回溯试探法、误差补偿法和优先权策略法和遗传算法。其中，比较科学、有效的组卷策略是遗传算法。

目前，已有利用遗传算法进行自动组卷的专利有两项，公开号为CN102184345A的中国专利公开了一种《基于遗传算法的组卷方法》，公开号为CN 104504627A的中国专利公开了《一种利用遗传算法的自动组卷方法》，但是这两种方法在实际应用中会存在收敛过早，出现局部最优解和结果不稳定的问题，或者无法收敛导致得不到最优解并且浪费时间的问题。因此，利用遗传算法进行自动组卷的过程中，要根据实际场景对算法的实现步骤进行改进，以满足实际需要。

现有技术的自动组卷效率低，组卷结果适应度不高，得不到全局最优解。其中，组卷效率低是因为算法在多轮迭代中没有充分利用好上一代的优良个体，而适应度不高是因为算法在迭代过程中陷入了局部最优，致使错过了全局最优解。

发明内容

本发明的目的是针对现有技术的不足而设计的一种基于遗传算法的智能组卷方法，采用自动组卷引入“ε-greedy”贪心算法的方法，使得父代生成子代的多轮迭代过程中，能充分利用好上一代的优良个体，让试卷质量朝好的方向发展，得到全局最优解，方法简单，使用方便，有效了解决这两个遗传算法的问题，大大提升了组卷效率和组卷结果适应度。

实现本发明目的的具体技术方案是：一种基于遗传算法的智能组卷方法，其特点将基于“ε-greedy”贪心算法引入自动组卷，使父代生成子代的多轮迭代中能充分利用好上一代的优良个体，得到最优试卷，其具体自动组卷包括如下步骤：

步骤1：确定对目标试卷的约束

算法在开始前，需确定约束的目标参数共有13个，其分别为试卷总分、整体难度、单选题数量、单选题分数、多选题数量、多选题分数、判断题数量、判断题分数、填空题数量、填空题分数、主观题数量、主观题分数、知识点列表。

步骤2：生成初始种群

在确定好的约束条件中，先不考虑试卷难度、知识点和分数的约束，仅根据单选题、多选题、判断题、填空题、主观题各题型的数量、随机生成二十套满足题型种类要求和题型数量要求的试卷，将这二十套试卷共同组成初始种群。

步骤3：计算个体适应度

按下述a式计算个体适应度Z：

式中：M为试卷个体知识点数；N为目标知识点数；P为平均难度；f1、f2为权重系数；Ep为整体难度。