基于遗传算法的智能组卷考试系统研究

温静+郝大治+张晓峰

摘 要 近年来，计算机技术飞速发展，在各个领域广泛应用，尤其在考试中的应用可提高组卷的灵活性及评卷效率。本文探讨基于遗传算法的智能组卷系统，以供参考。

关键词 遗传算法；智能组卷；考试系统研究

中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2017）199-0134-01

智能组卷考试系统设计涉及诸多问题，其中组卷算法是设计工作的重点，关系着试卷质量。遗传算法具有收敛性好、智能搜索、自适应全局选优等优点，在智能组卷考试系统中的应用取得良好效果。

1 遗传算法原理

遗传算法在选择、交叉、变异等遗传操作下，结构重组与迭代处理种群染色体，以适应度函数为唯一进化标准。迭代寻优过程中，个体被是否被选中由适应度函数值决定，经交叉、变异形成新个体，构成新的种群，在一代代的进化中种群染色体逐渐优化，当染色体与最优解接近时，进化完成。遗传算法的步骤为：1）以研究问题为对象进行编码，确定初始化种群。2）以适应度函数为标准，评估种群中個体适应值大小，确定是否满足设定阀值，如满足则计算结束，将解输出，如不满足则进入步骤3）。3）种群在遗传算子作用下进化，并经步骤2）检验。

2 基于遗传算法的智能组卷算法设计

2.1 智能组卷考试系统需求分析

智能组卷考试系统应能在设定的考试范围内进行组卷，并且生成试题的难度应具有区分度，题型安排合理，保证能够全面的考查学生所学知识情况。智能组卷系统组卷步骤为：

首先，在明确考试大纲的基础上，确定所考知识点范围、考试题型以及不同题型的构成比例。其次，依据考试性质确定试卷的区分度系数、难度系数等。再次，利用组卷算法智能组卷。最后，为保证组卷质量满足考试要求，可适当对某些题目微调，微调结束后组卷完成。

2.2 基于遗传算法的智能组卷算法设计

组卷算法是智能组卷考试系统的核心，直接影响着试卷质量，是设计智能组卷考试系统的重要内容。

1）确定编码方法。为提高组卷效率，可使用独立有序编码方案编码染色体，即，根据题型对试题进行分段操作，采用独立实数在题型内部完成编码，每份试卷均有一个染色体与之对应，每个试题与染色体上的基因对应，而各个试题编号构成染色体编码，且不同组间的编码相互独立，某试卷的染色体编码如表1所示。

2）产生初始种群。为保证遗传算法具有较好的收敛性，初始种群产生应进行条件约束，即，设置不同题型占比、题量、总分等约束条件，产生随机种群。同时，降低算法计算量与复杂度，提高运算效率，应保证种群规模的合理性，通常在100左右。

3）设计适应度函数。组卷时，用函数f（x）表示组成试卷与成卷要求见的差值，差值越小表面组卷越接近要求。遗传算法中，种群染色体适应度函数值F（x）决定试卷性能，F（x）越大表明个体较好，反之，个体越差，因此，应采用某种方法将f（x）转化为F（x）。指数比例转化算法复制多次种群中的优秀个体，使得相近染色体间的竞争力进一步提高，该算法的公式为：

F=exp（-af）

其中a表示复制强度，结合以往经验值可取0.05。

4）遗传算子设计。遗传算子决定算法迭代次数多少，如遗传算子设计合理，可大大提高系统运行效率。遗传算法中的算子分为变异算子、交叉算子、选择算子。其中变异算子可通过单点变异操作实现，即，从父代群体中按照变异概率Pm确定任意一个个体，以此为基础进行变异。给试卷造成的影响体现在：在同一题型中选择另外试题更换原有试题。设计交叉算子时可考虑在相同题型内部进行，即，如题型相同便将试题划分在同一组中，不同题型对应于染色体的独立分段，段内实施但电交叉，对试卷而言为多点较叉。设计选择算子时可考虑适应自适应算法，具体实现为：以适应度值为标准确定是否进入下一代，通常情况，进入下一代的为优秀个人。同时，采用适应度比例法，对上述未选中的个体进行筛选，当种群数量达到设计标准后停止。

5）设置算法终止条件。上述遗传操作循环进行，直到达到某一设定条件时结束。组卷系统中考虑设置最大迭代次数以及期望适应度值，其中任何一个条件满足，则迭代终止。

6）具体实现。以M表示种群规模、MaxGen表示迭代次数最大值、Pm表示变异发生的可能性大小，即，变异发生概率、Pc表示交叉发生概率，组卷操作时，（1）用户根据测试目的及考试说明输入组卷要求，确定后由系统自动确定初始群体，以gen作为当前迭代次数。同时，对个体的适应度值进行计算。（2）开始迭代选优操作。（3）将最优个体输出，并对试卷各项指标进行评估，确定是否满足要求。

3 结论

基于遗传算法的智能组卷考试系统应用广泛，为保证组卷质量与效率，设计时应在明确遗传算法原理的基础上，认真分析组卷要求，选择合理的编码方法，尤其在适应度函数、遗传算子、终止条件设计时应考虑计算复杂度与计算效率，保证生成的试卷更好的满足要求。

参考文献

[1]冯秀梅.基于遗传算法的智能组卷考试系统研究与实现[D].济南：山东师范大学，2016.

[2]吴焕，张琪君.基于遗传退火算法的智能组卷系统研究[J].工业控制计算机，2017，30（1）：112-113，115.

[3]兰青青.基于遗传算法的智能组卷考试系统设计[J].信息系统工程，2017（5）：174.endprint