[发明专利]一种基于量子遗传算法的自适应路径优化方法

说明书

本发明公开了一种基于量子遗传算法的自适应路径优化方法，包括：S1.构建个性化学习路径的模型，并确定学习目标；S2.列出学习知识点，并基于学习目标使各个知识点连接，得到学习任务；S3.基于得到的学习任务，对构建的模型进行约束；S4.利用量子遗传算法的自适应路径优化方法对构建的模型进行优化，得到个性化学习路径优化后的学习效果。本发明解决了在个性化学习中，学生与教学资源合理匹配的问题，尤其是提高学习效果25％以上。

技术领域

本发明涉及自适应教学技术领域，尤其涉及一种基于量子遗传算法的自适应路径优化方法。

背景技术

传统教学设计中不考虑学生间的差异性，而在实际情况是学生群体庞大，差异也非常大。一个正常班级，学生的学习能力有差异，学习偏好有差异，这是由自身决定的，短期内无法改变。

传统教学中，主要靠老师讲，多媒体教育手段丰富了老师的教学手段，而互联网时代，尤其是移动互联网时代的到来，极大丰富了教育资源，更重要的是老师不再是唯一的知识传播途径，甚至是教学组织者和管理者。这些技术进步和资源积累为个性化学习创造了条件。然而，如何根据学生的学习能力判断该学生是否适合个性化的教学方式，且如何提供一种个性化的教学方式是丞待解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种基于量子遗传算法的自适应路径优化方法。

为了实现以上目的，本发明采用以下技术方案：

一种基于量子遗传算法的自适应路径优化方法，包括：

S1.构建个性化学习路径的模型，并确定学习目标；

S2.列出学习知识点，并基于学习目标使各个知识点连接，得到学习任务；

S3.基于得到的学习任务，对构建的模型进行约束；

S4.利用量子遗传算法的自适应路径优化方法对构建的模型进行优化，得到个性化学习路径优化后的学习效果。

与现有技术相比，本发明解决了在个性化学习中，学生与教学资源合理匹配的问题，尤其是提高学习效果25％以上。

附图说明

图1是实施例一提供的一种基于量子遗传算法的自适应路径优化方法流程图；

图2是实施例一提供的知识点的学习路径示意图；

图3是实施例一提供的采用传统方式的30人班级的学习方式的示意图；

图4是实施例一提供的采用传统方式的30人班级的学习成绩表示意图；

图5是实施例一提供的采用本实施例方式的30人班级的学习方式的示意图；

图6是实施例一提供的采用本实施例方式的30人班级的学习成绩表示意图；

图7是实施例一提供的采用传统方式的90人班级的学习方式的示意图；

图8是实施例一提供的采用传统方式的90人班级的学习成绩表示意图；

图9是实施例一提供的采用本实施例方式的90人班级的学习方式的示意图；

图10是实施例一提供的采用本实施例方式的90人班级的学习成绩表示意图；

图11是实施例一提供的30人班级的优化过程示意图；

图12是实施例一提供的90人班级的优化过程示意图。

具体实施方式