一种用作智能组卷系统的组卷方法

技术领域

本发明涉及考试组卷技术领域，具体为一种用作智能组卷系统的组卷方法。

背景技术

考试是一种严格的知识水平鉴定方法。通过考试可以检查学生的学习能力和其知识储备。为了保证结果的公正、公平，考场必须要求有很强的纪律约束，并且专门设有主考、监考等监督考试过程，绝对禁止任何作弊行为，否则将要承担法律和刑事责任。考试就是让一群拥有不同教育资源的人在一定的时间内完成一份相同的答卷。然而考试的意义并不局限于此，考试其实就是让社会中来自不同社会地位的人拥有改变自己的机会。目前大多数的智能组卷方案扔使用传统组卷算法。常用的组卷算法有随机抽题法、优先权策略及回溯试探法等，以上算法在题库规模较大和组卷的指标要求复杂时，组卷速度慢，时间开销大，组卷质量无法达到满意的效果从而导致组卷失败。

近年来，将遗传算法用于解决智能组卷问题已取得良好进展，但处理后期收敛速度、多个约束条件间的冲突和组卷中的知识点重复方面扔无法达到理想的效果。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种用作智能组卷系统的组卷方法，解决了试卷题目合理组合的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种用作智能组卷系统的组卷方法，具体的组卷方法包括如下步骤：首先根据题型进行分段实数编码，再根据用户设置的题型、各题型的数量及分数、难度、知识点数量作为部分约束条件，初始化多套试卷；然后根据确定的试题适应度函数，通过随机选择法随机产生两个个体计算适应度值并比较，将适应度值高的遗传到下一代；再在每段编码的同一题型内采用自适应的交叉概率和变异概率进行多套试卷中试题间的交叉和变异，通过优秀个体记忆策略进行筛选，通过不断的迭代，最终形成最优试卷。

优选的，进行分段实数编码是由于试卷题型之间相互独立，每种题型的题目数量保持不变，因此，根据题型进行分段编码，每段编码在同一题型内进行交叉和变异等操作，假设一份试卷的试题数有n个，题型有k种，则该份试卷需n位编码，并且根据题型将编码划分成k段。

优选的，所述适应度函数对组卷效率影响非常大，是用来衡量试卷中试题的优劣，一般情况下，试题性能越好适应度值越大，由于试卷中各题型的数量和分值已有用户确定，因此误差出现在难度、知识点分布2个指标上，对此，采用适应度函数为：

其中，Ds是用户设置的难度系数，Kt是总的知识点数量，a

优选的，在部分约束条件下生成初始化多套试卷，由于试卷是根据题型划分不同的区块，因此采用了分段初始化试卷种群，按照试卷的题型、各题型题目数、难度系数、总分4个属性初始试卷种群，初始试卷种群的操作如下：

S1.在题型所在的试题库中产生一个题号范围的试题编号，并与它所在分段且已产生的题号进行比较，若相同，则重新产生，否则保留，重复此过程产生试卷的总题目数；

S2.比较生成试卷总分与用户设置的总分是否相等，若两者不相等，则重新生成试卷，否则执行S3；

S3.比较试卷生成的难度系数和试卷设置的难度系数，如果差值在用户允许的范围内，则生成该试卷，否则重新生成。

优选的，所述交叉概率偏大，优秀个体容易破坏，交叉概率偏小，种群的多样性会降低，遗传算法搜索缓慢，容易陷入局部最优；一般选择交叉概率＝0.4～1.0，采用自适应的交叉概率，根据实际情况，随时调整p

其中,

优选的，所述变异概率偏大，算法变成随机搜索问题，收敛速度受到影响，变异概率偏小，种群就不易产生新个体，进化缓慢，一般选择变异概率＝0.001～0.1，

其中,f

优选的，所述优秀个体记忆策略为当适应交叉概率和变异概率变大时，可能会破坏优秀个体，为了保证种群多样性的同时，加速算法向最优解收敛，在遗传算法的基础上，采用了优秀个体记忆策略，其具体操作过程是：首先在子代种群中找出适应度最高、最低个体和父代种群中适应度最高的个体，然后将父代和子代种群的最高适应度值进行比较，如果父代种群的最高适应度值比子代种群的最高适应度值要大，则子代适应度最低的个体被父代适应度最高的个体替代。

优选的，所述迭代终止的条件为在迭代次数内，如果试卷个体的适应度值大于等于设定的适应度值，则完成组卷，执行次数达到最大但适应度值仍没满足设定的值，算法执行失败，重新执行算法。

(三)有益效果

本发明提供了一种用作智能组卷系统的组卷方法。具备以下有益效果：

本发明在遗传算法上进行改进，根据题型采用分段实数编码，即可以提高运算速度，有效避免组卷过程中知识点冲突，同时避免了搜索空间的迅速缩小，加快了整个算法向全局最优值的逼近速度，提高了全局寻优性能，可以得到最优试卷。

附图说明

图1为本发明一种用作智能组卷系统的组卷方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

如图1所示，本发明实施例提供一种用作智能组卷系统的组卷方法，具体的组卷方法包括如下步骤：首先根据题型进行分段实数编码，再根据用户设置的题型、各题型的数量及分数、难度、知识点数量作为部分约束条件，初始化多套试卷；然后根据确定的试题适应度函数，通过随机选择法随机产生两个个体计算适应度值并比较，将适应度值高的遗传到下一代；再在每段编码的同一题型内采用自适应的交叉概率和变异概率进行多套试卷中试题间的交叉和变异，通过优秀个体记忆策略进行筛选，通过不断的迭代，最终形成最优试卷。

进行分段实数编码是由于试卷题型之间相互独立，每种题型的题目数量保持不变，因此，根据题型进行分段编码，每段编码在同一题型内进行交叉和变异等操作，假设一份试卷的试题数有n个，题型有k种，则该份试卷需n位编码，并且根据题型将编码划分成k段。

适应度函数对组卷效率影响非常大，是用来衡量试卷中试题的优劣，一般情况下，试题性能越好适应度值越大，由于试卷中各题型的数量和分值已有用户确定，因此误差出现在难度、知识点分布2个指标上，对此，采用适应度函数为：

其中，Ds是用户设置的难度系数，Kt是总的知识点数量，a

在部分约束条件下生成初始化多套试卷，由于试卷是根据题型划分不同的区块，因此采用了分段初始化试卷种群，按照试卷的题型、各题型题目数、难度系数、总分4个属性初始试卷种群，初始试卷种群的操作如下：

S1.在题型所在的试题库中产生一个题号范围的试题编号，并与它所在分段且已产生的题号进行比较，若相同，则重新产生，否则保留，重复此过程产生试卷的总题目数；

S2.比较生成试卷总分与用户设置的总分是否相等，若两者不相等，则重新生成试卷，否则执行S3；

S3.比较试卷生成的难度系数和试卷设置的难度系数，如果差值在用户允许的范围内，则生成该试卷，否则重新生成。

交叉概率偏大，优秀个体容易破坏，交叉概率偏小，种群的多样性会降低，遗传算法搜索缓慢，容易陷入局部最优；一般选择交叉概率＝0.4～1.0，采用自适应的交叉概率，根据实际情况，随时调整p

其中,

变异概率偏大，算法变成随机搜索问题，收敛速度受到影响，变异概率偏小，种群就不易产生新个体，进化缓慢，一般选择变异概率＝0.001～0.1，

其中,f

优秀个体记忆策略为当适应交叉概率和变异概率变大时，可能会破坏优秀个体，为了保证种群多样性的同时，加速算法向最优解收敛，在遗传算法的基础上，采用了优秀个体记忆策略，其具体操作过程是：首先在子代种群中找出适应度最高、最低个体和父代种群中适应度最高的个体，然后将父代和子代种群的最高适应度值进行比较，如果父代种群的最高适应度值比子代种群的最高适应度值要大，则子代适应度最低的个体被父代适应度最高的个体替代。

迭代终止的条件为在迭代次数内，如果试卷个体的适应度值大于等于设定的适应度值，则完成组卷，执行次数达到最大但适应度值仍没满足设定的值，算法执行失败，重新执行算法。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。