遗传和蚁群混合算法在组卷中的应用方法及装置制造方法及图纸

本发明专利技术公开了一种遗传和蚁群混合算法在组卷中的应用方法及装置，其中，方法包括：利用遗传算法进行组卷以形成初步最优解；将所述初步最优解转化为蚁群算法的初始信息素参数；利用所述蚁群算法进行组卷；判断是否达到预设组卷条件；如果是，则由所述蚁群算法得到最终最优解，输出试卷。该方法可以将遗传算法和蚁群算法相结合，从而可以快速准确地进行组卷。

The application method and device of genetic and ant colony algorithm in the test paper

The invention discloses a method of applying in the test paper of a genetic and ant colony algorithm and device, the method: the use of genetic algorithms to form the initial optimal solution; the preliminary optimal solution into the initial information of ant colony algorithm in parameters; using the ant colony algorithms to determine whether to default; test conditions; if it is, then the final optimal solution obtained by the ant colony algorithm, test output. This method can combine the genetic algorithm with the ant colony algorithm, so that the test paper can be carried out quickly and accurately.

【技术实现步骤摘要】
遗传和蚁群混合算法在组卷中的应用方法及装置
本专利技术涉及组卷
，特别涉及一种遗传和蚁群混合算法在组卷中的应用方法及装置。
技术介绍
目前，常见的组卷算法有：随机抽取算法、基于遗传算法的组卷和基于蚁群算法的组卷。其中，随机抽取组卷算法，实现简单，单次组卷过程运行速度快，但是组卷重复率高；基于遗传算法的组卷，虽然能进行全局快速的搜索，组卷重复率低，但遗传算法没有反馈机制，进行进化时有很长时间都只在做无用的进化和验算，耗费时间较长；蚁群算法具有反馈机制，虽然能够将进化的信息反馈到下一轮的进化中，但是缺点就是收敛速度慢，而且全局搜索能力较差。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种遗传和蚁群混合算法在组卷中的应用方法，该方法可以快速准确地进行组卷。本专利技术的另一个目的在于提出一种遗传和蚁群混合算法在组卷中的应用装置。为达到上述目的，本专利技术一方面实施例提出了一种遗传和蚁群混合算法在组卷中的应用方法，包括以下步骤：利用遗传算法进行组卷以形成初步最优解；将所述初步最优解转化为蚁群算法的初始信息素参数；利用所述蚁群算法进行组卷；判断是否达到预设组卷条件；如果是，则由所述蚁群算法得到最终最优解，输出试卷。本专利技术实施例的遗传和蚁群混合算法在组卷中的应用方法，通过利用遗传算法对试题库进行初步的全局较优解进行搜索，并且将得到的全局较优解信息转换为蚁群算法的信息素描述，最后利用蚁群算法实现快速精确收敛，实现组卷，不但充分利用了遗传算法较强的全局搜索能力和蚁群算法较高的求解精度的优势，同时避免了遗传算法局部求解能力不足、容易早熟和退化，对系统中反馈利用不够的问题，也客服了蚁群算法搜索初期信息素匮乏的缺点。另外，根据本专利技术上述实施例的遗传和蚁群混合算法在组卷中的应用方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述遗传算法的步骤包括：采用实数编码、分段交叉、有条件生成初始种群；选择交叉后增加适应度检查。进一步地，在本专利技术的一个实施例中，所述生成初始种群包括：根据总题数、题型比例、总分产生试卷初始种群，并且采用分组实数编码。进一步地，在本专利技术的一个实施例中，计算适应度的适应度函数为：f＝1-(1-M/N)*f1-|EP-P|*f2，其中，f1为知识点分布的权重，f2为难度系数所占权重，EP为用户的期望难度系数，P为试卷难度系数，N为试卷所含的题目数，M为一个个体中所有题目知识点的并集中包含个数。进一步地，在本专利技术的一个实施例中，所述蚁群算法的步骤包括：根据所述初步最优解生成初始信息素，将m只蚂蚁放置于n个节点；采用轮盘赌算法计算每只蚂蚁移动到下个节点的概率，并根据选择概率移动蚂蚁到下个节点；当所述m只蚂蚁遍历所述n个节点后，最优圈进行信息素增加，且所有路径信息素更新；输出所述最终最优解。为达到上述目的，本专利技术另一方面实施例提出了一种传和蚁群混合算法在组卷中的应用装置，包括：第一组卷模块，用于利用遗传算法进行组卷以形成初步最优解；转化模块，用于将所述初步最优解转化为蚁群算法的初始信息素参数；第二组卷模块，用于利用所述蚁群算法进行组卷；判断模块，用于判断是否达到预设组卷条件；输出模块，用于在达到所述预设组卷条件时，由所述蚁群算法得到最终最优解，输出试卷。本专利技术实施例的遗传和蚁群混合算法在组卷中的应用装置，通过利用遗传算法对试题库进行初步的全局较优解进行搜索，并且将得到的全局较优解信息转换为蚁群算法的信息素描述，最后利用蚁群算法实现快速精确收敛，实现组卷，不但充分利用了遗传算法较强的全局搜索能力和蚁群算法较高的求解精度的优势，同时避免了遗传算法局部求解能力不足、容易早熟和退化，对系统中反馈利用不够的问题，也客服了蚁群算法搜索初期信息素匮乏的缺点。另外，根据本专利技术上述实施例的遗传和蚁群混合算法在组卷中的应用装置还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述遗传算法的步骤包括：采用实数编码、分段交叉、有条件生成初始种群；选择交叉后增加适应度检查。进一步地，在本专利技术的一个实施例中，所述生成初始种群包括：根据总题数、题型比例、总分产生试卷初始种群，并且采用分组实数编码。进一步地，在本专利技术的一个实施例中，计算适应度的适应度函数为：f＝1-(1-M/N)*f1-|EP-P|*f2，其中，f1为知识点分布的权重，f2为难度系数所占权重，EP为用户的期望难度系数，P为试卷难度系数，N为试卷所含的题目数，M为一个个体中所有题目知识点的并集中包含个数。进一步地，在本专利技术的一个实施例中，所述蚁群算法的步骤包括：根据所述初步最优解生成初始信息素，将m只蚂蚁放置于n个节点；采用轮盘赌算法计算每只蚂蚁移动到下个节点的概率，并根据选择概率移动蚂蚁到下个节点；当所述m只蚂蚁遍历所述n个节点后，最优圈进行信息素增加，且所有路径信息素更新；输出所述最终最优解。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术一个实施例的遗传和蚁群混合算法在组卷中的应用方法的流程图；图2为根据本专利技术一个实施例的遗传和蚁群混合算法在组卷中的应用装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参照附图描述根据本专利技术实施例提出的遗传和蚁群混合算法在组卷中的应用方法及装置，首先将参照附图描述根据本专利技术实施例提出的遗传和蚁群混合算法在组卷中的应用方法。图1是本专利技术一个实施例的遗传和蚁群混合算法在组卷中的应用方法的流程图。如图1所示，该遗传和蚁群混合算法在组卷中的应用方法包括以下步骤：在步骤S101中，利用遗传算法进行组卷以形成初步最优解。其中，在本专利技术的一个实施例中，遗传算法的步骤包括：采用实数编码、分段交叉、有条件生成初始种群；选择交叉后增加适应度检查。进一步地，在本专利技术的一个实施例中，生成初始种群包括：根据总题数、题型比例、总分产生试卷初始种群，并且采用分组实数编码。进一步地，在本专利技术的一个实施例中，计算适应度的适应度函数为：f＝1-(1-M/N)*f1-|EP-P|*f2，其中，f1为知识点分布的权重，f2为难度系数所占权重，EP为用户的期望难度系数，P为试卷难度系数，N为试卷所含的题目数，M为一个个体中所有题目知识点的并集中包含个数，即一个个体中所有题目知识点的并集中包含M个。可以理解的是，传统的遗传算法存在搜索后期效率低和易形成末成熟收敛的情况。在本专利技术的实施例中，根据具体情况和需求分析要求，对遗传算法进了稍微改进，表现为采用实数编码、分段交叉、有条件生成初始种群，选择交叉后增加适应度检查。(1)产生初始种群。试卷初始种群不是采用完全随机的方法产生，而是根据总题数、题型比例、总分等要求随机产生，使得初始种群一开始就满足了题数、总分等要求。这样加快遗传算法的收敛并减少迭代次数。采用分组实数编码，可以克服本文档来自技高网...

【技术保护点】
一种遗传和蚁群混合算法在组卷中的应用方法，其特征在于，包括以下步骤：利用遗传算法进行组卷以形成初步最优解；将所述初步最优解转化为蚁群算法的初始信息素参数；利用所述蚁群算法进行组卷；判断是否达到预设组卷条件；以及如果是，则由所述蚁群算法得到最终最优解，输出试卷。

【技术特征摘要】
1.一种遗传和蚁群混合算法在组卷中的应用方法，其特征在于，包括以下步骤：利用遗传算法进行组卷以形成初步最优解；将所述初步最优解转化为蚁群算法的初始信息素参数；利用所述蚁群算法进行组卷；判断是否达到预设组卷条件；以及如果是，则由所述蚁群算法得到最终最优解，输出试卷。2.根据权利要求1所述的遗传和蚁群混合算法在组卷中的应用方法，其特征在于，所述遗传算法的步骤包括：采用实数编码、分段交叉、有条件生成初始种群；选择交叉后增加适应度检查。3.根据权利要求2所述的遗传和蚁群混合算法在组卷中的应用方法，其特征在于，所述生成初始种群包括：根据总题数、题型比例、总分产生试卷初始种群，并且采用分组实数编码。4.根据权利要求2所述的遗传和蚁群混合算法在组卷中的应用方法，其特征在于，计算适应度的适应度函数为：f＝1-(1-M/N)*f1-|EP-P|*f2，其中，f1为知识点分布的权重，f2为难度系数所占权重，EP为用户的期望难度系数，P为试卷难度系数，N为试卷所含的题目数，M为一个个体中所有题目知识点的并集中包含个数。5.根据权利要求1-4任一项所述的遗传和蚁群混合算法在组卷中的应用方法，其特征在于，所述蚁群算法的步骤包括：根据所述初步最优解生成初始信息素，将m只蚂蚁放置于n个节点；采用轮盘赌算法计算每只蚂蚁移动到下个节点的概率，并根据选择概率移动蚂蚁到下个节点；当所述m只蚂蚁遍历所述n个节点后，最优圈进行信息素增加，且所有路径信息素更新；输出所述最终最优解。6.一种遗传和蚁群混合算法在组卷中的应用装置...

【专利技术属性】
技术研发人员：王雪松，张中祥，
申请(专利权)人：北京奥鹏远程教育中心有限公司，
类型：发明
国别省市：北京,11