基于改進人工魚群算法的智能組卷的研究

來源:用戶上傳      作者:

　　[摘要]本文針對智能組卷問題的特點對基本人工魚群算法進行了相應的改進與優化，為群體智能算法應用于組合優化問題進行了一些探索。
　　[關鍵詞]智能組卷 組合優化問題 人工魚群算法
　　引言：隨著計算機技術、互聯網技術、多媒體技術的迅速發展，計算機廣泛應用于各種領域，尤其是在教育領域，計算機科學技術與教育學的融合在計算機輔助教育，方面得到了突飛猛進的發展，本文在對基本人工魚群算法分析研究的基礎上，針對其不足之處研究了人工魚群算法的改進方法，并采用實現了相應的改進算法。通過對比遺傳算法實驗結果表明，改進的人工魚群算法的組卷成功率略低于遺傳算法，但是組卷所需時間小于遺傳算法且滿意度由增加到，它在一定程度上提高了基本人工魚群算法的尋優精度，為計算機輔助教學系統的實際應用進行了一些探索。
　　1智能組卷問題的幾種智能算法
　　1.1隨機組卷法：隨機組卷法是出現最早的組卷算法，其基本思想是：首先根據用戶輸入的試卷約束標準，利用計算機和數據庫技術從試題庫中任意抽取一道試題，然后判斷該試題是否滿足用戶設置的難度系統、區分度等約束條件，若滿足則添加到試卷中，若不滿足，則繼續試探直到生產滿足用戶需求的試卷為止。隨機組卷法的優點是簡單易實現，缺點是算法執行過程中，抽不到滿足要求的試題時，容易陷入死循環、算法精度不高、對試題庫要求較高，隨機組卷算法要求數據庫中的試題量不大，以及試題分布良好;當試題庫較大，且分布不是很均勻的情況下，隨機組卷的成功率較低。因此，隨機組卷的整體效率和組卷成功率均較低，不能很好地滿足用戶的需要。
　　1.2遺傳算法：遺傳算法：其基本思想是借鑒自然界中生物進化過程中適者生存優勝劣的自然淘汰機制而形成的一種自適應優化搜索算法，模擬生物群體的繁殖、交配和變異現象，從一個種群開始，產生更適應環境的一些個體。以此一代一代地迭代，最后隨著時間的推移收斂到一個最適應環境的一些個體遺傳算法是使用頻率較高的一種組卷算法，自提出以來受到國內外學者的廣泛關注，在智能組卷問題中，中的一個個體代表一套試卷，個體的適應值大小反應了試卷滿足用戶要求的程度。適應度與目標函數值的成反比即目標函數值越小，個體的適應度越大，相應生成的試卷則越滿足實際用戶的要求。遺傳算法中選擇不同的染色體編碼策略對算法性能影響較大，也是將遺傳算法應用于某一具體問題時，首要解決的關鍵問題。常見的編碼策略有：二進制編碼、十進制編碼、混合編碼等。在實際應用中應根據需要解決的問題的特點，在進行大量分析研究的基礎上選擇最適合的編碼策略。
　　2人工魚群算法理論
　　人工魚群算法是李曉晶博士等通過對自然界魚群的長期觀察而提出的一種啟發式搜索算法。主要利用魚群的覓食、追尾、聚群、隨機游行為，通過魚群中單個個體的局部尋優達到最終尋找全局最優解的目的。算法具有全局收斂性好、對初值要求不高、魯棒性強等優點并且算法只需對目標函數的函數值優劣進行比較，不需要目標函數的適應度等特殊信息，有著較快的收斂速度，能很好解決非線性函數優化等問題。人工魚模型中的人工魚是自然界中魚的一個模擬實體，常用作問題的說明和分析。人工魚模型可以將人工魚看成是封裝了自身數據和一系列行為的實體。
　　3人工魚群算法求解智能組卷問題
　　求解智能組卷問題是本文重點研究的內容，使用算法進行智能組卷涉及到算法收斂速度和尋找全局最優解的問題。如何使人工魚群算法快速有效的搜索到全局最優解是本文研究的重要內容。隨機組卷法對數據庫的要求比較苛刻;遺傳算法容易出現早熟現象;故不能很好的滿足實際組卷的要求。人工魚群算法具有實現簡單、只需比較目標函數值優劣、初值要求低、收斂速度快的特點，本文將應用于智能組卷系統。嘗試對中人工魚的覓食行為、聚群行為、追尾行為進行設計，實驗結果表明基本的人工魚群算法組卷成功率不高，但滿意度相對于隨機組卷有所提高。
　　智能組卷問題在傳統的教學中，試卷通常采用教師根據教學大綱和實際教學情況的方式進行組卷的。每次考試前，教師需要花費很多的精力和時間組出一份難易程度適中、能準確檢測學生學習情況的試卷。隨著計算機輔助教育的廣泛推廣，計算機技術不僅僅是一門學科，而逐漸成為教學活動中必不可少的教學工具和進行教學管理的重要手段之一。利用計算技術和智能算法進行組卷，有助于減輕教師的負擔，使教師將更多的精力用在教學或者科研上。智能組卷系統是指將教育專家的組卷經驗和人工智能算法結合起來，根據用戶設置的組卷約束參數，利用組卷算法搜索試題庫中滿足組卷約束條件的試題，從而生成滿足用戶要求的試卷。智能組卷基礎理論主要涉及：組卷目標約束、組卷問題的數學模型、試卷的評價指標、自動組卷算法、算法的編碼方式及試題庫中試題的結構等內容。目前，自動組卷算法是組卷系統研究的難點與重點，也是本文所要進行討論的主要內容。
　　4人工魚群算法的改進
　　人工魚群算法是近幾年發展起來的一種新型尋優算法，它主要是通過模擬魚群的覓食、追尾、聚群等行為進行尋優，利用單個個體局部最優信息，從而尋找全局最優解的目的，基本的人工魚算法具有良好的跳出局部極值、尋找到全局極值的能力、對算法的初始化要求不高，該算法簡單，易于編程程序實現，具有較好的收斂性能。由于人工魚的行為是局部尋優行為，算法在執行過程中可能會陷于局部極值，難以找到全局最優解。為了提高人工魚群算法的尋優能力和算法的尋優精度，本文從改進人工魚的覓食、聚群、追尾行為及引入人工魚跳躍行為的方向改進，幫助算法更精確、更快的尋找到全局最優解，提局尋優能力。
　　5結論：本文雖然在人工魚群算法應用于智能組卷模塊的技術實現上做了一定的探索，但今后依然有許多問題有待于做進一步的研究和改進。人工魚群算法是仿生優化算法的一種，目前對人工魚群算法的研究還處在初始階段，有很多不足的地方。尋優的不足之處是，在本系統中當組卷約束條件設置的極端且精度要求高的情況下，組卷成功率有所降低。
轉載注明來源:http://www.hailuomaifang.com/2/view-14861398.htm