智能试题库系统【开题报告】.doc

上传人:文初 文档编号:17742 上传时间:2018-04-26 格式:DOC 页数:7 大小:138.50KB
下载 相关 举报
智能试题库系统【开题报告】.doc_第1页
第1页 / 共7页
智能试题库系统【开题报告】.doc_第2页
第2页 / 共7页
智能试题库系统【开题报告】.doc_第3页
第3页 / 共7页
智能试题库系统【开题报告】.doc_第4页
第4页 / 共7页
智能试题库系统【开题报告】.doc_第5页
第5页 / 共7页
点击查看更多>>
资源描述

1、毕业设计开题报告计算机工程智能试题库系统的设计与实现一、选题的背景与意义随着计算机技术的发展,计算机辅助教育作为一门新兴的综合学科,越来越受到广大教育工作者的重视。在计算机辅助教育的研究中,组卷算法是评价考试系统好坏的一个主要因素,一个良好的组卷算法对于准确地检验学生学习成绩和教师教学效果起着非常重要的作用。组卷算法是按照一定的要求,由计算机自动地从试题库中选择试题,组成符合总分、总时间要求和试题题型、试题数量、知识点、难度等约束条件要求的试卷。由于组卷要求生成的试卷能最大程度地满足用户的不同需要,并具有随机性、合理性。因此如何设计一个算法从试题库中既快又好地抽出一组最符合考试要求的试卷,是本

2、文研究的目的。本系统设计以减轻教师在出题、组卷、测试过程中的负担为目标,帮助教师尽可能方便、快速、准确地按照教材大纲、教学方法和教学风格,组织和建立试题库,及根据不同测评面的要求,有效地生成有针对性的测评试卷。本系统出题方便、规范,能形成海量题库管理环境,并能通过随机组卷防止泄题和作弊,教师在短时间内可以按自己的要求完成一套考试组卷,在数秒以内可以完成一套试卷答案,节省了教师的时间。目前的组卷算法大致可以分为三类1随机选取法根据状态空间的控制指标,由计算机随机的抽取一道试题放入试题库,此过程不断重复,直到组卷完毕,或已无法从题库中抽取满足控制指标的试题为止。该方法结构简单,对于单道题的抽取运行

3、速度较快,但是对于整个组卷过程来说组卷成功率低,即使组卷成功,花费时间也令人难以忍受。尤其是当题库中各状态类型平均出题量较低时,组卷往往以失败而告终。2回溯试探法这是将随机选取法产生的每一状态类型纪录下来,当搜索失败时释放上次纪录的状态类型,然后再依据一定的规律(正是这种规律破坏了选取试题的随机性)变换一种新的状态类型进行试探,通过不断的回溯试探直到试卷生成完毕或退回出发点为止,这种有条件的深度优先算法,对于状态类型和出题量都较少的题库系统而言,组卷成功率较好,但是在实际到一个应用时发现这种算法对内存的占用量很大,程序结构相对比较复杂,而且选取试题缺乏随机性,组卷时间长,后两点是用户无法接受的

4、,因此它也不是一种很好的用来自动组卷的算法。3遗传算法模拟自然界自然选择遗传机制进行搜索寻优的方法,通过模拟生物在染色体层面的各种遗传优化作用而设计人工寻优方法,GA本质上是一个群体迭代过程,从一个随机的初始群体出发,依据优胜劣汰原则通过竞争、选择、繁衍、变异等遗传操作,产生性能更优的下一代群体。直到满足环境约束酌优良体或合乎具体的应用准则为止。分析上述两种算法的优缺点,不难发现,在限制条件状态空间的控制下,随机选取法有时能够抽取出一组令用户满意的试题。只不过由于它随机选取试题的范围太大,无法确定目前条件下哪些区域能够抽取合适的试题,反而可能在那些已经证明是无法抽取合适试题的区域内反复选题,进

5、行大量的无效操作进入死循环,最终导致组卷失败。回溯试探法组卷成功率高,但它是以牺牲大量的时间为代价的,对于现今越来越流行的考生网上随机即时调题的考试过程来说,它已不符合要求。因此,必须结合以上两种方法寻找一种新的改进算法,这种算法要具有全局寻优和收敛速度快的特点。遗传算法(GENETICALGORITHMS)以其具有自适应全局寻优和智能搜索技术,并且收敛性好的特性能很好的满足自动考试组卷的要求。二、研究的基本内容与拟解决的主要问题研究的基本内容1,搭建一个基于WEB的基本构架。2,完成登录界面,管理界面,出题界面。3,完成与题库的数据库连接。找到合适的出题算法4,出题要求满足用户的特殊要求。如

6、试卷的增加删减,难度的选择,题型的选择等等。5,完成与嵌入WORD的接口。拟解决的主要问题为1、建立基于WEB的智能组卷系统,如登录界面,管理界面,出题界面。寻找到最合适的出题算法。2、组卷要求实现个性化选择如难度的选择,题型的选择,分数的设定,试卷的增减等。3、尝试完成组卷系统与WORD相嵌入,实现试题与答案的排版。三、研究的方法与技术路线1、本系统的功能根据教师的要求,组成最接近要求的试卷。其中包括用户功能的管理,试卷的增减,试题的增减,答案的修改,难度分数的设置,重复利用率的设定等。系统基于WEB,让教师可以随时登陆,且具有最新的试题库。2、系统功能结构图如下3、试题库智能组卷的遗传算法

7、(1)遗传算法的基本思想大自然的生物进化中,一个生物群体要经过交配、变异、自然选择的过程,形成下一代群体,如此循环下去,不断进化,最后生存下来的总是最优的。将这种思想运用到算法中去,就形成了遗传算法,它的基本结构可描述为随机初始化种群P0X1,X2,XNT0计算P0中个体的适应值WHILE不满足终止准则DO根据个体的适应值及选择策略从PT中选择生成下一代的父体PT执行杂交、变异和再来生成新的种群PT1计算PT1中个体的适应值TT1在设计遗传算法时,通常按以下步骤进行A确定编码方案遗传算法求解问题,一般不是直接在问题的解空间上,而是利用解的某种编码表示。B确定适应函数适应值是对解的质量的一种度量

8、,解的适应值是演化过程中进行选择的依据。C选择策略的确定优胜劣汰的选择机制使得适应值好的解有较高的存活概率。D控制参数的选取控制参数主要包括种群规模,算法执行的最大代数,执行不同的遗传操作的概率及一些辅助性的控制参数。E算子的设计主要有杂交、变异和再生。F确定算法的终止准则。(2)试题组成中相关因素及遗传算法A相关因素一套试卷的构成需要涉及很多因素,试题的章节、题型、难度、区分度、时间等多个项目。在试卷中每一道试题包含着诸多属性,其中与组卷有关的属性有如下6项章节试题内容所属的篇章。题型试题的题型,一般有判断题、填空题、选择题、问答题、改错题、证明题、计算题等。难度系数教学内容按要求可分为3个

9、层次了解、熟悉、掌握。相应题目的难度系数NDXS1平均分/该题满分区分度试题对考生的水平鉴别和区分程度的指标。分数该试题的分数。时间完成该题需要时间的估计值。B数学模型一道试题是由上面所述的6个因素所决定的,也就是一个6维向量X1,X2,X6XI是第I个属性可以确定一道试题,对于一套有N道试题的试卷,实际上就是决定一个N6矩阵X1,1X1,2X1,6X2,1X2,2X2,6SXN,1XN,2XN,6这是一个问题求解中的目标状态矩阵,由上面的分析可以得出,目标状态矩阵应满足如下约束条件NDXS难度系数NI1XI,3/总分用户给出TIME时间NI1XI,6用户给出FS分数NI1XI,5用户给出QF

10、D区分度NI1XI,1XI,5这是一个多重约束目标的问题,且目标状态不唯一,C遗传算法的应用适应值函数取适应值FXIFRI,其中F是一个比例函数,RI是群体中个体XI按照满足上述条件个数排序的序号,最好的个体序号为1,次最好的个体序号为2,最差的为M。对于比例适应函数F,因为指数比例既可以让非常好的串保持多的复制机会,同时又限制了其复制数目以免很快控制整个个体,提高了相应串的竞争,所以我们采用指数比例变换方法,其关系式为FRIEXPRRI,R取值为001。染色体编码这里我们用二进制编码,形式为A1,A2,AM,其中M为题库的总数,1,当I题被选中AI0,当I题未被选中假设某套试卷有N道试题,则

11、12。M要满足MI1AJM初始化群体用一维数组存储初始群体中每个个体的信息,其中群体大小据需要得出,每条串长度相同。杂交采用轮盘赌方式随机选择参加杂交的后代,杂交点为串中间,将父代的后半部分交换后产生新的子代。这里必须辨别LK的变化量是否小于0,若是,则需要重新进行选择,直到否为止。变异3产生一个随机数R,若小于PM,则进行变异,对每一段的部分基因座进行取反,即若随机选取的等位基因为1,则变为0反之变为1。这里也必须辨别LKLK1是否小于0,若是,则需要重新进行变异,直到否为止。算法遗传算法的实现见下图D本课题中所用的关系NDXS难度系数NI1XI,3/总分用户给出TIME时间NI1XI,6用

12、户给出FS分数NI1XI,5用户给出QFD区分度NI1XI,1XI,5MI1AJM适应值函数FEXP001RI,RI是群体中个体XI按照满足上述条件个数排序的序号,LK1LK0,根据适应值得出的判断函数四、开发工具与环境介绍软件环境为WINDOWSXP系统,OFFICE2007,IE70,TOMCAT55,JDK16,ECLIPSE601等。本系统主要使用JSP/JAVA编程,与相关数据库结合使用JDBC技术。主要技术介绍JSP是JAVASERVERPAGES的简称,它是由SUNMICROSYSTEM公司于1999年6月推出,是基于JAVASERVLET以及整个JAVA体系的WEB开发技术。J

13、DBC是用于执行SQL语句的JAVA应用程序接口,由一组用JAVA语言编写的类与接口组成,在JSP中将使用JDBC来访问数据库。研究的总体安排与进度1,11月下旬,选题,收集资料,准备开题2,12月上旬,研读搜集的资料,完成试题库系统的分析工作3,12月下旬,准备开题4,1月,搭建基础构架。5,2月3月,完成系统的基本功能6,4月5月上旬,完善功能,完成与WORD的嵌入7,5月下旬,撰写论文,准备答辩。五、主要参考文献1石志国著完全手册,JSP网络开发详解电子工业出版社,2007年8月2蔡清万,李元香,文忠林著试题库智能组卷的遗传算法湖北民族学院学报自然科学版,第18卷第3期3陈晓东,王宏宇著

14、一种基于改进遗传算法的组卷算法哈尔滨工业大学学报,第37卷第9期4高雪霞,贾海龙著智能组卷考试系统中的算法分析与改进德州学院学报,第26卷第4期5遗传算法在试题组卷中的应用,付巍,20080609HTTP/WXJS054633204BLOG163COM/BLOG/STATIC/7937621220085955757475/6刘彬,金涛,李阳明著卢纪生遗传算法在试题组卷中的应用燕山大学研究生部7商俊燕著智能组卷系统的研究与实现中小企业管理与科技,2009年10月下旬(常州轻工职业技术学院)8曾青松著基于项目反应理论的WEB考试系统的研究计算机与现代化,2006年第8期9JAVASCRIPTTHEDEFINITIVEGUIDE,20024THISBN059600048010JAVASCRIPTTHEGOODPARTS,2008ISBN059651774211丁宝康,汪卫,施伯乐著数据库系统教程高等教育出版社12徐茜,黄雪峰著应用JSP开发动态WEB页面,

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 学术论文资料库 > 开题报告

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。