算法分析
基于遗传算法的自动组卷系统研究与应用
赵杰
(晋中职业技术学院山西晋中030600)
事共与流用
摘要组券问题需要在特定的约求条件下对多个日标参数进行科学的优化，应用传统的数学方法将十分图难。针对自动组参系统而言其应用效单与试题序设计和题目抽取算法有着直接的关系遗传算法体现出较大的优势，遗传算法是一种通过模权生物界自然选择和遗传变异的机制来求解复杂问题的机控索和优化的方法。本文结合遗传算法的原理对自定组参同题的数学模型进行了分析提出了系统设计和实现方法。
关键词：自动组券遗传算法研究和应用
中图分类号：TP311.52 1遗传算法的原理
文献标识码:A
遗传算法应用，以自然遗传学为基础，结合群体进化理论，对群体中所有备选解进行最优选择，通过交叉和变异等送代运算，寻找满意解，每一次送代称为一代，之后对函数进行评价后保留一部分染色体进人到下一代，借助遗传算子补充染色体，最后得出最优的
群体，实现问题的求解。) 2自动组卷的数学模型
自动组卷过程中需要从相应的试题库中找出满足约束条件的试题组成试卷。例如一份试卷中有m道试题，不同的试题有n个属性，生成试卷过程矩阵为m×n即：
a.
S=
az1 aml
a2..
a3
a.2..
a23
am2
a
其中S表示目标矩阵，S必须满足以下约束条件：
试卷总分约束，即S：总分，默认试卷满分100分，
题型分值约束，T,
a2，其中a,表示第道试题的分值，S为
C;xaz，其中T,表示第t中题型的分
数，C，表示单项选择、多项选择或者计算等题型，t表示题型号。
之Cc。x。,其中z表示第章中要求的分
章节分值约束，Z，数，表示章节号，
知识点分值约束，ZS, 的分值，t表示知识点号。
a.
难度约束，E=三
示试卷的总分值。 3群体初始化
S
Csxa：其中Z表示第t个知识点
，其中a,表示第道试题的难度，S'表
结合试卷内容和不同题型的数量，保证一份试卷中知识点不重复，之后随即生成初始群体p(0)，群体规模为P，P值取为50-100，方案如下。
public class Unit
public Unit() ID = 0
AdaptationDegree = 0.00; KPCoverage = 0.00,
ProblemList = new ListO;
文章编号：1007-9416(2016)05-0144-0)
public double Difficulty get
double diff = 0.00,
ProblemList .ForEach(delegate(Problem p)
3) 3)
4结语
diff += p.Difficulty + p.Score;
return diff / SumScore;///

public int ProblemCount get
return ProblemList. Count,
///

public int SumScore
get
int sum = 0,
ProblemList .ForEach(delegate(Problem p)
sum += p.Score; return sum;
public double KPCoverage { get; set; }///

public List ProblemList get; set, 1
自动组卷问题需要满足多个约束条件，是一种的典型的多目标求解间题，将组卷系统应用于实际教学，有利于解决组卷难题，获得
良好的教学效果。参考文献
[1]陈晓东.一种基于改进遗传算法的组卷算法[J].哈尔滨工业大学学报,2014,37(9):117.
[2]糖平,熊伟清.用遗传算法解组间恶的设计与实现[门-微电子学与计算机,2011.19(4):48
收稿日期：201603-24
作者简介赵杰(1980一),男，山西骨中人,硕士,毕业于山西大学，讲师，研究方向：移动应用软件开发， 144