《教育论文网络考试系统中算法的优化.doc》由会员分享，可在线阅读，更多相关《教育论文网络考试系统中算法的优化.doc（3页珍藏版）》请在三一文库上搜索。
1、网络考试系统中算法的优化 网络考试系统中算法的优化是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，网络考试系统中算法的优化是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，网络考试系统中算法的优化的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。 摘要目前网络在教育教学管理中的作用越来越重要，而在网络教学中，网络考试系统是重要的组成部分之一。如何提高网络考试系统中组卷速度及质量，核心是组卷算法。目前在各种自动组卷算法中，组卷质量较好的是遗
2、传算法，但遗传算法在理论和应用方法上仍有许多亟待完善之处，本文提出一种优化的改进的遗传算法。关键词网络考试系统 遗传算法 交叉概率 自适应变异概率本文主要针对如何提高网络考试系统中组卷速度及质量问题进行分析。该问题的核心是组卷算法。目前在各种自动组卷算法中，组卷质量较好的是遗传算法。一、遗传算法的基本思想遗传算法是一种模拟生物群体进化的优化算法，是由美国Michigan大学的JohnHolland教授于1975年首先提出来的。遗传算法是一类随机算法，它可以有效地利用已有的信息来搜寻那些有希望改善解的质量的串。遗传算法通过作用于染色体上的基因，寻找好的染色体来求解问题。初始种群产生之后，按照适者
3、生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解。在每一代，根据问题域中个体的适应度大小挑选个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然界进化一样。遗传算法对求解问题的本身一无所知，它所需要的仅仅是对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应值好的染色体比适应值差的染色体有更多的繁殖机会，后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。 作为一种自适应启发式的全局意义上的搜索算法，遗传算法具有很强的鲁棒性和通用优化能力。但遗传算法在理论和应用方法上仍有许多亟待完善之处，比
4、较突出的就是其全局搜索性能和收敛速度之间的矛盾。为此本文结合基本GA，提出一种优化的改进的遗传算法。二、遗传算法的改进1.与进化代数相关的交叉概率交叉算子主要作用是产生新个体，实现了算法的全局搜索能力。所以，从种群的个体来看，交叉概率取值要与个体适应度值相关；从种群整体进化过程来看，交叉概率应该能随进化过程逐渐变小，到最后趋于某一稳定值，以避免对算法后期的稳定性造成冲击而导致算法不能收敛，或收敛过程加长；而从产生新个体的角度来看，种群中的所有个体在交叉操作上应该具有同等地位，即相同的概率，从而使 GA在搜索空间具有各个方向的均匀性。要设计如上所述的交叉概率而又要兼顾计算速度，无疑是比较困难的。
5、本文为此设计与进化代数相关而与个体适应度无关的交叉概率计算公式：该公式的算法对劣质个体的处理显得相对薄弱，但这个缺点可由此后的改进算子来拟补。2.改进的自适应变异概率变异算子主要起维持种群多样性的作用，即产生新个体和抑制早熟。所以，同一代种群中各个个体的变异概率应该随个体的优劣而变化。即对于劣质个体，其变异概率应加大，而优秀个体应给予较小的变异概率。此外，变异概率的总趋势也应该是能逐渐减小而使群体能够迅速集中。为此设计了如下的与遗传进化代数和个体适应度相关的自适应变异概率：三、结束语标准遗传算法生成的种群序列是有限的非周期不可约马氏链,不能以概率1收敛到全局最优解,改进遗传算法的执行过程和标准
6、遗传算法是相同的,因此也不能以概率1收敛到适应度为最大的个体。但改进遗传算法的寻优能力和寻优速度都要优于标准遗传算法,并且更利于搜索目标解,其原因在于编码方式和适应度的定义不同,使得种群的演化更趋向于目标解区域。基因优劣编码比其它的编码方式含有更多的目标解信息,使得种群的演化更具有方向性,每一次迭代后有利于目标解的基因会增加,而不利于目标解的基因在减少,从而提高了寻优能力。由于适应度的定义决定了目标解的适应度并不是最大的,在搜索过程中,个体的演化方向并不严格趋向于目标解,而是趋向于目标解的K邻域。当个体向适应度最大的个体X演化时,只要目标解处于演化路径上,就会被找出来,当某演化路径接近目标解时
7、,这时所有个体距X尚有一定距离,即个体模式之间还有一定差距,不会因为个体差异性的减少而降低收敛速度。因此,目标解会很快被达到,这明显优于把目标解作为适应度最大个体的情况,从而提高了寻优速度。如果目标解不在演化路径上,但目标解处于X的某个邻域内,算法依然可以找到近似最优解。参考文献：1HollandJH.Adaptationin Nature and Artificial SystemsM.US:The University of Michigan Press,1975.2边润强,陈增强,袁著祉.一种改进的遗传算法及其在系统辨识中的应用J.控制与决策,2000,15(5):623-625.3王小
8、平，曹立明遗传算法，西安交通大学出版社，2002.（作者单位：内蒙古包钢高级技术学校）其他参考文献Baker, Sheridan. The Practical Stylist. 6th ed. New York: Harper & Row, 1985.Flesch, Rudolf. The Art of Plain Talk. New York: Harper & Brothers, 1946.Gowers, Ernest. The Complete Plain Words. London: Penguin Books, 1987.Snell-Hornby, Mary. Translation
9、 Studies: An Integrated Approach. Amsterdam: John Benjamins, 1987.Hu, Zhuanglin. 胡壮麟, 语言学教程 M. 北京: 北京大学出版社, 2006.Jespersen, Otto. The Philosophy of Grammar. London: Routledge, 1951.Leech, Geoffrey, and Jan Svartvik. A Communicative Grammar of English. London: Longman, 1974.Li, Qingxue, and Peng Jian
10、wu. 李庆学、彭建武, 英汉翻译理论与技巧 M. 北京: 北京航空航天大学出版社, 2009.Lian, Shuneng. 连淑能, 英汉对比研究 M. 北京: 高等教育出版社, 1993.Ma, Huijuan, and Miao Ju. 马会娟、苗菊, 当代西方翻译理论选读 M. 北京: 外语教学与研究出版社, 2009.Newmark, Peter. Approaches to Translation. London: Pergmon P, 1981.Quirk, Randolph, et al. A Grammar of Contemporary English. London: L
11、ongman, 1973.Wang, Li. 王力, 中国语法理论 M. 济南: 山东教育出版社, 1984.Xu, Jianping. 许建平, 英汉互译实践与技巧 M. 北京: 清华大学出版社, 2003.Yan, Qigang. 严启刚, 英语翻译教程 M. 天津: 南开大学出版社, 2001.Zandvoort, R. W. A Handbook of English Grammar. London: Longmans, 1957.Zhong, Shukong. 钟述孔, 英汉翻译手册 M. 北京: 商务印书馆, 1983.Zhou, Zhipei. 周志培, 汉英对比与翻译中的转换 M. 上海: 华东理工大学出版社, 2003.