[发明专利]一种用于网络考试的自动组卷方法

说明书

技术领域

本发明涉及一种组卷方法，尤其涉及一种用于网络考试的自动组卷方法。

背景技术

目前，学校及社会上各种考试大都采用传统考试方式。在这种方式下，组织一次完整的考试至少要经历以下四个步骤：人工出卷、组织考试、人工阅卷、成绩统计和试卷分析。随着各种类型的考试不断增加和日益增长的考生数量，组织类似考试工作量会越来越大，效率也会越来越低。解决传统考试方式的趋势和方法，就是利用计算技术、网络技术形成一种新型考试方式即网络考试。目前的一个发展趋势是采用大规模试题库的计算机在线考试模式。传统考试的组卷、判卷方式以及学生成绩管理等正发生着巨大的变革。因此，如何使考试过程变得方便、高效、快捷、公正是现代教育的一个重要课题。在线考试系统是传统考场的延伸，它可以利用网络广阔的无限的空间，实现随时随地对学生进行考试，大大简化了传统考试的过程，降低了考试成本。在线考试的形式有着其科学、及时、准确、公平等优点，具有传统考试形式无法替代和比拟的优势。因此在线考试系统是电子化教学下迫切需要的产物。

网络考试系统应用比较广泛的组卷算法包括随机抽取、优先权算法、误差补偿算法、回溯试探法等方法。优先权算法会重新计算和排序，导致算法复杂度增加，而且效果不好。随机算法并不考虑最优化问题，组卷随机性很大，不确定性很大，也不能保证试卷合理性和科学性。考试系统中自动组卷种类较多，而且各自有优势和劣势。针对考试的应用的需求，尽量考虑各种情况，能提供多元化的解决方案。因此，在系统设计与实现时，采用了上述算法外，提出加入一种新的遗传算法来解决传统算法中存在不足，融合新的研究算法和开放接口来开发与实现。

基本的遗传算法有三种基本操作：选择、交叉和变异，是遗传算法中最常用的三种算法；

选择操作就是复制操作，只是有条件的复制，会遵循“优势劣汰”的原则来复制，而选择的目的就是为了优良的个体从当前群体中选择出来，作为有优良基因的父体来繁殖下一代，这样复制得到良好下一代的几率就会大一些。比如按照个体的适应度函数值的大小来选择，在考试系统组卷中就是题目的适应度越高越容易被选中。

交叉操作是遗传算法中最重要的遗传操作，交叉操作目的是希望通过交叉操作可以得到新一代个体，而新个体可以遗传父代个体的优良特性，从而得到更优良的新个体。在实际操作时，交叉操作是对群体内的各个个体按照一定概率随机交叉，从而得到两个新的个体。交叉操作过程在考试系统组卷中应用如：个体P1和P2，对个体内部分试题随机交换后得到新的G1和G2。

变异操作是为了遵循生物基因遗传时发生变异情况，为产生新的个体提供机会。变异操作在步骤是首先在当前群体中随机选择一个或者一些个体，按照一定变异概率随机改变某一个或者一些基因值，从而得到新的个体。具体在考试系统组卷中是选择某一份卷随机改变试卷的部分题目，从而得到一份试卷。

尽管考试系统采用遗传算法有很多优点，能够并行高效的运算，但是在实际应用过程中还是会经常出现遗传算法过早收敛、陷入局部值的现象。这种现象也被称为算法的早熟问题，这大大限制了遗传算法在网络考试系统普及应用。

遗传算法之所以会产生早熟收敛的现象，其原因主要有：

1、由于遗传算法中的算子如选择、交叉和变异算子的使用不当会导致早熟收敛现象，而且相应控制参数选择不当也会导致早熟收敛的产生。

2、群体规模的有限性。因为种群大小有限，导致搜索最优解空间也有限，容易近亲繁殖，使得种群模式快速趋于单一状态，从而陷入局部最优解。

3、群体中模式的丢失也是造成遗传算法早熟收敛现象。如果不加以控制，让种群随机不断的进行选择、交叉和变异操作，可能会导致种群有效基因的丢失。如果有效基因丢失到一定比例程度时，就会造成算法在局部停止不进，不能得到有效的进化。

因此，有必要提供一种新的自动组卷方法以提高计算机系统智能组卷的实用性和有效性。

发明内容

本发明的目的是针对现有技术的不足，提供一种用于网络考试的自动组卷方法。

本发明是通过以下技术方案实现的：

一种用于网络考试的自动组卷方法，包括如下步骤：

S1.设置组卷约束条件；

S2.根据约束条件生成初始群体P0，所述初始群体P0中包括N个个体，其中N为正整数(又称种群规模，一般建议N为50，大少了遗传操作次数少，无法到达遗传进化的效果)；

S3.计算每个所述个体的适应度函数F(X)值，求解F(X)值可以转换为求解目标函数f(x)，求解过程如下：