您当前的位置:首页>论文资料>蚁群优化算法在职业技能鉴定题库管理系统中的应用

蚁群优化算法在职业技能鉴定题库管理系统中的应用

资料类别:论文资料

文档格式:PDF电子版

文件大小:2.4 MB

资料语言:中文

更新时间:2024-12-20 15:20:00



推荐标签:

内容简介

蚁群优化算法在职业技能鉴定题库管理系统中的应用 算法分析
蚁群优化算法在职业
技能鉴定题库管理系统中的应用
彭英慧彭友于志腾
(天津职业技术师范大学天津300222)
数事其务与质用
摘要:该项目针对职业技能鉴定考核中不同专业、不同工种及不同等线,开发职业技能鉴定题库炼合管理系统。利用数群优化算法智能组合技能鉴定试卷,解决了组题过程中多日标问题;从而确定出不同专业、不同工种、不同等级的难度系数符含正态分布的职业技能鉴定考核试题,满足不同群体的职业技能鉴定考核需求。
关键词:职业技能鉴定自动组题多日标优化问题中图分类号:TP18
文献标识码:A
1引言
文章编号:1007-9416(2016)06-0142-01
(6)噪光度:试题被选中使用的次数。
当前,教育系统广泛使用智能组卷系统,大大减轻了各类用户的工作量,解决了许多实际问题,而组卷速度快,效率高、试题涵盖的知识面广、试卷题型多样、难度系数适中、注重考查学生的实践技能一直是教育工作者追求的目标。在职业技能鉴定题库管理系统中组卷时闻长、速度慢仍是普遵存在的间题,还不能满足职业技能鉴定考核中的需求。所以提出一种基于蚊群优化算法的职业技能鉴定
题库自动组卷策略。 2智能组卷理论基础
任何系统都有一定的指标体系,职业技能鉴定题库也不列外,每个指标都是为自动组卷、题库系统管理服务的,优化了这些指标也就促使该系统得到优化,智能组卷指标体系:
(1)试卷题型:试卷题型因用户需求不同而不同,通常设为5种题型:填空题、选择题、判断题、多选题、综合应用题。
(2)试题所属章节:课程的章节与题库中试题之间存在对应关
系。
(3)考核知识点:教学大纲中要求的必须重点掌握的知识点。(4)试题难度系数:考试对象不同,试题的难度也不一样,按照难
度系数要求组卷得到符合要求的试差。难度系数计算公式为P=1-R/n,其中,R为该题得分平均值,D为试题i的难度系数,n为该题满分值。
由于被测对象的不同、不同工种的变化等因素对难度系数影响较大,所以不同工种考核时更要科学地确定难度系数,不仅参考给出的算式,还要结合命题人员多年的教学经验进行调整,将难度系数模糊为如下表所列的5个等级。一般股情况下试卷难度控制在0.5左右,少数控制在0.3-0.7之间,试卷分数分布基本上才呈现正态分布,考试成绩才有参考价值。作为职业技能鉴定考试,学生通过与否涉及到学生的毕业证书和学位证书.所以难度控制很关键(表1)。
(5)答题时间:完成该道题所需要的时间,包括大多数学生做题并检查完该题所需要的时间,出题者根据教学经验综合客观情况适当调整。
表1
难度等级容易
难度区间0.00.2
0.2
模糊化
收稿日期:20160412
较容易
中等
0.20.4
0.40.6
0.3
0.5
较难

0.60.80.81.0 0.7
0.9
3职业技能鉴定题库自动组卷问题的数学建模
在职业技能鉴定题库自动组卷算法中,设试卷总试题数为N,总分为M,被测试者在T分钟内答完该试卷,试卷内容包括n部分,各部分内容的试题分数比为n,n....n,试卷中要考核的知识点包括 Ⅱ类,各类知识点所包含试题的分数比是m,m.....M_题库中试题的难度级别包含P个,生成的试卷中各个难度级别试题的分数比为P,D.,....Ds试卷由q种题型组成,则多个题型的分数比为 4,9,.·...9。具体数学模型如下:
G : (x) a(2)e4s 4(x):Ea(s)es2A(x);:Eas(s)e4tnA(x)=n,;n,; C; a: (x) xi22)e42: 4():xi2()e4();:Ew2()e42m4()=m; m;m C a5: (x) Ea(2)e4as 4(x):Eas(0)6124(xl);-E(d)64ap4(xt)P:P2--P
C a: (x) ZaI4()e4s 4(x):Esi4(r)e6424(xl);:Eal4(d)e44e4(xl)*Q;9;%
(1)
其中的康条伴件: SUM=M=;Num=N;Time=T,量优目标 f(x)=min( C; a>(x) ,C; (2:(x) Cs aa: (x) ,Ca (x) ) *
“之() 考试时间的束T
试党总分约束M(x)=
3.1蚁群优化算法思路及具体实现
品试学难康约束
在基于蚊群算法的职业技能鉴定题库智能组卷算法中,蚁群中的每只蚂数在试题库中从一个节点移动到另外一个节点,不断的寻找路径,当所有蚂蚁都能够找到一条路径时就相应地形成了一套试卷。我们可以把智能组卷过程用一个有向图来表示,假设试题库中有N道题,则该问题可以看成一个有N个节点和N+(N-1)边的完全有向图,记作G(V,E),其中V表示试题库中的试题节点(试题库中试题的数量),E表示连接节点的边"。
3.2蝎数的路径选择
在当前时刻,随机生成M个试题节点并放置M只蚂蚁,每只蚂数根据给出路径的启发因子及信息素量会自主的选择一个有向线段从一个试题节点向下一试题节点移动。按上述过程不断的重复直到约束条件满足为止,在t时刻妈数k(k=1,2,m),从节点(i=1, 2,",L)经路径a[i,j到节点i+1的转移概率Pk(t)为
pk_(t)=(2)
J表示位于节点的蚂蚊k当前能选择的有向线段组合,Ⅱ,表示蚂蚊选择有向线段a[i,j]的期望程度;α和β表示k在选择路径时,有向线段上信息素量和启发式因子的重要程度,
...下转第144页
基金项日:天津职业技术师范大学校级教学改革与质量建设研究项目,项目端号:JGY2015-38;天津市大学生创业创新计划项目,项目编号
201510066033。
作者简介:彭英慧(1970一),女,河北保定人,制教投,项士,计算机网络通信及算法研究 42
上一章:基于模糊大间隔最小球分类模型的恒星光谱离群数据挖掘方法 下一章:数据挖掘技术在社区医疗服务系统中的应用与研究

相关文章

蚁群算法在路径规划中的应用 改进蚁群算法在推广运输问题中的应用 国际电气工程先进技术译丛 现代优化算法在电力系统中的应用 PSO-BP算法优化PID控制在光照系统中的应用 应用理性优化蚁群算法提高激光三维复制的重现度 智能优化算法及其在机械工程中的应用 自适应遗传算法在给水管网优化设计中的应用 ANSYS优化算法的研究及其在液压机优化设计中的应用