5 考试系统中的组卷算法
5．1遗传算法概述
5．1．1 遗传算法的基本概念
遗传算法(Genetic Algorithm．GA)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法【27】。所以，遗传算法吸取了自然界中“适者生存，优胜劣汰’’的进化理论，为解决许多传统的优化方法难以解决的优化问题提供了新的途径。由于遗传算法的整体搜索策略和优化搜索方法在计
算中不依赖于梯度信息或其他辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性。如今，遗传算法不论是在算法设计上还是在基础理论上，均己取得了长足的发展，已成为信息科学、计算机科学、运筹学和应用数学等诸多学科所共同关注的热点研究领域【281。
遗传算法作为一种概率搜索算法，借鉴了生物学中自然选择和遗传机制的高度并行、随机、自适应的性质，它利用某种编码技术作用于被称作染色体的二进制数据串，其基本思想是模拟由这些染色体组成的群体进化过程。由于遗传算法是由进化论和遗传学理论相结合而产生的直接搜索优化算法【291，因此，在遗传算法中也借鉴了许多生物学中的术语。
(1)个体(Individual)：也称基因型个体，个体是遗传过程中带有遗传特征的实体，也是遗传算法中的所处理基本对象和结构。
(2)基因(Gene)：基因是携带遗传信息的基本单位，用于表示个体的特征。
(3)位串(String)：与遗传学中的染色体的概念相对应，是个体的表现形式。(3)种群(Population)：一定数量的个体的集合叫做种群。
(5)群体规模(Population Size)：在群体中个体的数量称为群体大小。
(6)适应度(Fitness)：适应度表示某一个体对于生存环境的适应程度，对于生存环境适应程度较高的个体将获得更多的繁殖机会，而对生存环境适应程度较低的物种，其繁殖的机会就会相对减少，甚至逐渐灭绝。
(7)遗传操作(Genetic Operation)：遗传算法是一种群体型操作，该操作以群体中的所有个体为对象。遗传操作由选择(Selection)、交叉(Crossover)和变异(Mutation)三个基本操作算子组成。
①选择：根据遗传学的理论，对生存环境适应程度较高的物种遗传到下一代的机
会相对较高。所以在遗传算法中，应用选择算子对群体中的个体进行优胜劣汰操作，父代中适应度较高的个体被遗传到子代群体中的概率较大，而适应度较低的被遗传到子代群体中的概率较小。
②交叉：遗传算法中的交叉算子使得在原始群体中的优良个体的特性能够在一定程度上继续得到保持，而另一方面，又使得算法能够探索新的基因空间，使新的群体中的个体更加多样性。
③变异：变异算子能够对群体中个体串的某些基因位置上的基因值作变动。遗传算法中，变异算子的应用使得算法具有了局部的随机搜索能力，并且可以使遗传算法始终维持群体的多样性。
5．1．2遗传算法的流程
遗传算法的运行过程是一种的典型的迭代过程，遗传算法在整个进化过程中的遗传操作是随机的，但是算法能够有效地利用历史信息来预测下一代期望性能有所提高的寻
优点集。所以，在这一不断进化的过程中，群体中的个体地得以逐代优化，并逐渐地收
敛到一个最适应环境的个体上面，即获得最优解。以下为遗传算法的一般流程。
(1)选择编码策略，将参数集合转换成位串结构空间。
(2)定义适应度函数和遗传策略，并计算交叉概率、变异概率等遗传参数。
(3)采用随机初始化的方式生成初始群体。
(4)计算群体中的个体在通过位串编码后的适应度函数值。
(5)依据设定好的遗传控制参数，使选择、交叉和变异算子作用于群体，产生下一代的群体。迭代执行，直到群体性能满足需要。
根据算法的流程，在遗传算法的运行过程中，对自变量的编码、初始群体的设定、适应度函数的设计、遗传操作(选择、交叉和变异)、遗传控制参数(包括群体规模、执行遗传操作的概率等)的设定是遗传算法中的核心内容。
5．2基于遗传算法的组卷算法
一份高质量的试卷，应该在题型、难度、区分度和知识点分布等各项指标之间达到相对平衡。并能够最大程度满足用户要求。所以，组卷问题实际上是一个复杂的多目标组合优化问题，问题的求解精度越高，表明试卷质量越好【301。而传统的组卷方法往往很难解决这个问题，甚至很难描述这样复杂的带约束优化的问题。因此，选用一种合理组卷方法，可以保证系统自动生成的试卷能最大程
度地满足出题者对试卷的需要，并使试基于遗传算法的考试系统的设计与实现卷具有较高的随机性、科学性和合理性。此外，在对响应速度要求较高的网络交互环境下，算法的效率也是自动组卷的关键。
在考试系统进行自动组卷的时候，首先要将难度、知识点等相对模糊的要求进行量化，转化成计算机可以理解的要求，然后依据组卷算法从试题库中抽取一定数量并且满足要求的题目组成试卷。
5．2．1 组卷算法的数学模型
组卷问题的数学模型是组卷算法的基础。因此需要在分析组卷问题的基础上建立一。个性能优良的数学模型。对于自动组卷功能来说，其要求实现的是通过获取用户的对试卷需求信息后，建立相应的试卷模式，然后根据该试卷模式建立组卷算法的数学模型。用户的需求对组卷系统来说是一种模糊的约束，因此，首先需要把这些模糊的约束量化成具体的并且能够被计算机识别的量化指标。
考试系统中的所有试题都被存放在试题库中，而题目本身也有其固定的属性，试题各项属性的确定能够直接影响到组卷系统的准确性和效率。试题的属性指标定量地描述了每一道试题的内在属性、外部特征以及它在考试测试中的功能，是计算机进行自动抽题组卷的基础。在组卷前，首先要给定的试卷的相关约束条件，例如卷面分数、难度系数、区分度以及不同题型、能力层次和知识点的题目所占比例等，并据其从大量的试题库中抽取出最优的试题组合。
所以，用q代表题目的分值，a：代表题目难度，q代表能力层次，口。代表题目所考察的知识点、a。代表题目的区分度，a。代表题型。那么，组成一份总共有彤道试题的试卷，如果每道试题有n项属性，就相当于构建了一个肌×刀的目标矩阵S。
S=
all a12
a21 a22
aml am2 ??口椰
(5．1)
目标矩阵S其实是一个问题求解的目标状态矩阵，且目标状态不是惟一的。目标矩阵应满足以下的约束条件【31】：
(1)试卷总分为Z：
％％一
z=Σ研， (5．2)
(2)试卷难度系数为D：
D=Σ口，，口，：／／Σ口订(5．3)
●．一”。‘●-一”
(3)Z。为第P教学要求的分数，教学要求(了解、理解、掌握、应用)和所占分数由用户给定，即教学要求约束。m中C3j--{：)麓i二；
Zp-Ec，，口，， (5．4)
，=l
(4)试卷区分度为Q：
Q=睁％檐％＼j=l ／／，=1
c5，乙为第g种题型的分数，其中气，=0
聊
乙=Σc6，‰
，=l
c6，乙为第办知识点的分数，其中c4，=0：二i：；
(5．5)
(5．6)
Zh=Σc。，口，。(5．7)
i--I
5．2．2组卷算法的设计
在考试系统中，采用了基于遗传算法的组卷算法。遗传算法的几个主要特点，如直接对结构对象进行抽象，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用导向式概率化的寻优方法，能自动获取和指导优化的搜索空间；自适应地高速搜索方向，并且不需要确定规则等都适宜于处理自动组卷的问题。
但是传统的遗传算法首先生成～定规模的初始群体，然后使其中的个体以一定的概率进行交叉与变异，实现个体结构的重组，再按预定的评价函数选择复制优秀个体，组成新的一代，如此循环迭代，以期最终找到满足寻优条件的全局最优解。但是，这样的算法存在着越道搜索后期效率越低下，并且容易产生末成熟即收敛的情况。
针对系统自动组卷的具体情况，本文主要从适应度函数、初始种群、控制参
数等几个方面对遗传算法加以改进，使其能够很好满足各项组卷需求。
(1)初始种群
初始种群的特性对遗传算法的计算结果和计算效率均有重要影响，算法要实现全局最优，初始种群在解空间中应该尽量分散。而在传统遗传算法中，初始种群是随机产生的，所以，为了加快遗传算法的收敛并减少迭代次数，初始种群的生成要满足题型、题量和试卷总分的要求，这样能够有效提高求解速度。
(2)适应度函数
在遗传算法中，采用适应度函数值是来评判群体中的个体优劣，一般情况下，适应度函数值越大的个体越好，即表示这个试题的组合的各项约束条件越接近用户指定的理想值。适应度函数值是遗传算法进行优化所用的主要信息，它与个体的目标值存在一种对应关系。遗传算法科用适应度值这一信息来指导搜索方向，根据约束条件，建立目标函数为误差函数，另外，根据实际组卷经验，对不同的约束条件可给定不同的允许误差(O．01"-．，0．05)，只要试卷个体满足第i项组卷要求的误差在容差范围内，即可认为第i项组卷要求的误差为0，这样以加快搜索到合理解的速度，由目标函数来设计适应度函数，而不需要适应度函数连续或可导以及其它辅助信息。我们采用以下形式的适应度函数：
其中e，(o≤P，≤1)对应为第f项组卷因素对组卷约束程度的归一化相对误差，Ji}，(o≤t≤1)为的相应的误差权值系数，适应度函数可以较好的反映求解组卷问题的特征，当试卷个体对各项组卷约束条件的相对误差越小时，它的适应度函数值就越大，则表示试卷个体越接近组卷目标。
(3)遗传算子
①选择算子：选择操作指从群体中按个体的适应度函数值选择出较适应环境的个体。选择将使适应度高的个体繁殖下一代的数目较多，而适应度较小的个体，繁殖下一代的数目较少，甚至被淘汰。本文采用期望值模型选择机制，首先计算出群体中所有个体期望被选中的次数ⅣJ：M一形(M为群体规模，f为第f个个体的适应值)，然
／ΣFi
／ i=I
后根据M的整数部分确定个体f被选中的次数。然后对Ⅳ『的小数部分作为概率进行贝努利试验，如果试验成功，则该个体被选中。这样，不但个体适应值高的个体更容易被选中，而且即便是适应值晓得个体也更有可能被选中。
②交叉算子：在遗传算法中，交叉算子将被选中的两个个体的基因按一定的交叉概率，即P进行交叉，从而生成两个新的个体．这里将以上选出的个体进行两两随机配对，对每一对相互配对的个体采用有条件的“均匀交叉”，即两个配对个体的每一个基因座上的基因都按设定的交叉概率P和一定的条件(确保交换后个体仍是有意义的组合)进行交换，并产生两个新个体。
⑧变异算子：变异算子的基本内容是对群体中的个体串的某些基因位置上的基因值作变动。对变异算子的改进主要是在同一题型段内进行有条件的单点变异，并且变异只针对交叉后的个体。
(4)控制参数
交叉是优化新生中的一个重要步骤，在传统遗传算法中，交叉概率只是个常数，但在实际情况中，优良的交叉率与遗传代数间的关系较大。在迭代初期，只如果选的大，可以造成足够的扰动，从而增强遗传算法的搜索能力；在迭代后期，只选的小，可以避免破坏优良基因，加快收敛速度。同理，变异是优化新生中的另一重要步骤，如果变异概率只是常数，则群体的性质会趋于一致。因此，无论是交叉概率，还是变异概率都要随着进化的进行而不断调整。
￡和只的选取直接影响算法的收敛性。￡越大，新个体产生的速度越快，而遗传模式被破坏的可能性也越大，这样高适应度的个体结构也可能被破坏；而只过小，会使搜索过程变慢。另一方面，如果己取值过大，遗传算法就则成为了纯粹的随机搜索算法；
而只过小，则不容易产生新的个体结构，使算法早熟，陷入局部最优。所以，为了加快遗传算法的搜索效率，并有效地防止其陷入局部最优，保披优良试卷个体，在本论文中
根据种群的进化情况采用了自适应函数来动态地调整交叉概率只和变异概率己，交叉
率和变异率随着个体的适应度在种群平均适应度和最大适应度之间进行线性调性。公式
如下所示：
的适应度值较大的一个，厂I变异个体的适应度值。
从公式可以看出，对于高于平均适应度值的个体，其受破坏的可能性较小，而对于
低于平均适应函数值的个体，其受破坏的可能性较大，从而被淘汰掉。因此，自
适应的只和乞能够为每个试卷个体提供一个最佳的只和己。这种自适应遗传算法在保持试卷群体多样性的同时，保证遗传算法的收敛性并防止遗传算法陷入局部最优。
(5)最优个体保存策略
最优个体保存策略的改进是将当前解群体中的适应度最高的个体结构完整的复制到下一代种群中。这样主要是为了使进化过程中某一代的最优解可以不被交叉或变异操作所破坏。在算法实现时，让适应度最高的个体直接进入到下一代中，并将其设为种群中的第一个个体，其他不足种群数量的个体继续进行选择，直到达到原始种群的数目。这种方法既可以保证优良品种的个体得到更多的繁殖机会，又可以防止少数几个优良品种由于过度繁殖而控制整个种群，使得算法陷入到局部最小。
(6)迭代终止条件
在改进的遗传算法中，设置了期望适应度值，再设置最大迭代次数，把每一代计算出来的最大适应度个体的适应度值与期望适应度值相比较，当适应度最高的个体的适应度值比期望适应度值大时，算法会停止迭代，否则继续进行遗传操作、计算适应度值、反复迭代直到适应度值达到期望值或达到最大迭代次数则停止迭代，如达到期望适应度值组卷成功，否则组卷失败。
5．3组卷算法的实现与分析
5．3．1组卷算法的流程
根据系统的具体需要，我们将上述组卷策略和改进的遗传算法应用于组卷系统中，并在具体的应用环境中对环境变量进行改造，使得组卷算法更加高效。这种改进的自动组卷算法的具体算法流程图如图5．1所示。
图5．I 自动组卷算法流程图
Fig．5．1 The ofalgorithm ofauto generating paper flow chart
5．3．2组卷算法的实验分析
建立测试题库对该组卷算法进行测试，题库中共包含850道题目，分为四种题型，六项知识点，按照表5．1所示的试卷约束条件，进行了组卷测试。
其中，试卷中各题型的分值及分布如表5．2所示，试卷中各知识点的分值及分布如表5．3所示。
表5．1试卷的约束条件
Tab．5．I Constraint conditions oftest paper
表5．2试卷中各题型的分值及分布
Tab．5．2 Every type ofquestions marks and distribution oftest paper 知识点知识点1 知识点2 知识点3 知识点4 知识点5 知识点6
分数20 20 20 20 10 10
固定最大代数为300，群体规模为50，算法终止条件是迭代数达到最大代数或最好个体的目标函数值，测试交叉概率只和变异概率己对程序收敛性的影响。
(1)当交叉概率￡=0，变异概率己=0时，随机运行程序10次，组卷的成功率和
效率很低。因为当只和已均为O时，算法过程中只有选择操作而无交叉、变异操作，无法通过交叉、变异操作产生新的更优的个体，只能简单地复制每一代的优胜个体到下一代中，因此搜索空间很小，很难找到全局最优或较优解。
(2)巴=0．001，对￡分别取不同值进行12次组卷实验，实验结果如表5．4所示。可见，只在0．2～1之间取值均可，但组卷成功次数和平均迭代数随只的增大呈现先增后降的趋势。由于交叉条件的约束，P=1时并不是所有的个体都进行交叉操作，故此时组卷效果也较好。
表5．4参数P。对组卷的影响
Tab．5．4 Influence ofparameter Pc to generating paper
(3)只=o．6，对己分别取不同的值进行12次组卷实验，结果如表5．5所示，可见己大于O．05时，组卷效率明显降低，这是因为变异虽然增加了群体的多样性，但是过多的变异会破坏群体的优良模式，甚至会使遗传算法变成随机搜索。若取值过小，产生新个体的速度又太慢。
表5．5参数P。对组卷的影响
Tab．5．5 Influence ofparameter Pm to generating paper
固定￡=0．6，己=0．05，对群体规模分别取不同的值进行12次组卷实验，测试群体规模对程序收敛性的影响，测试结果如表5．6所示。
表5．6群体规模对组卷的影响
Tab．5．6 Influence ofpopulation size to generating paper
基于遗传算法的考试系统的设计与实现
可以看出，当群体规模较小时，获得有效试卷的成功率较小，这是由于群体规模较小时，群体中的个体缺乏多样性，算法的搜索空间分布范围有限，因而搜索可能停止在未成熟阶段，引起未成熟收敛现象。随着群体规模的增大，算法的搜索空间增大，获得最优解的机会提高，生成满足要求试卷所需的迭代数减少。
但这并不能说明群体规模越大越好。群体规模太大，会使得搜索空间很大，降低程序的运行效率。在本算法中，群体规模在40'----80之间取值，效果最好。
在一个能够进行自动组卷的考试系统中，组卷性能的高低主要取决于组卷算法是否高效，而传统的组卷算法具有成功率较低，而且组卷条件不能太复杂。并且组卷所需的时间和所耗费的系统资源也较大。通过改进遗传算法，并将其应用到组卷系统的组卷算法中，能够使组卷的成功率和收敛速度都得到明显的提高，这是由于改进的遗传算法实行了全局并行搜索，搜索空间大，并且在搜索过程中不断向可能包含最优解的方向调整搜索空间，从而易于找到最优解，同时也能够满足更加复杂的组卷条件。
实验结果表明，在进化到140代左右时即可生成一份满意的试卷且误差比较小，改进的遗传算法能有效地解决智能组卷问题。由于求解精度和收敛速度是相互矛盾的；要使组卷的误差更小和收敛速度更快，还需更进一步地深入的研究。
《题库智能组卷系统》组卷功能说明教师用户可以利用系统提供的智能出卷、标准化出卷、搜索出卷、知识点题数出卷、知识点题分出卷共五种方式进行出卷。为了使生成的试卷更适合用户的要求，系统还提供了手工调整试卷功能。试卷生成后如果没有达到教师期望的目的，还可以在“试卷修改”页面中，进行手工试卷调整，包括试题添加、删除、更换，试题顺序调整，题型顺序调整和试题题分修改等多种手工修改试卷方式。 1.智能出卷 智能出卷的基本思路是在用户提出的较为模糊和较少要求的情况下，高度智能化地生成满意的试卷。 智能出卷分四个步骤，下面将具体介绍其操作。 第1步设置试卷参数 鼠标点击“智能出卷”按钮，进入到智能出卷，如图1-1所示。 【说明】：“试卷名称”是试卷的标题，默认为“未命名智能试卷”，可以重新命名，也可以在试卷生成后再修改名称，但是试卷名称不得为空。 “试卷总分”默认为100分，可以修改，总分可以限制在10～300分。 “出卷份数”表示系统支持同时生成多份试卷。 “难易比例”，试题库中每道题都有难度系数指标，难度系数即试题的失分率，分为易(0－25)、中(30－55)、难(60－100)三个等级。试卷默认的易中难比例为5：3：2，此比例可根据老师的教学要求自行调整。 图1-1 第2步选择试题范围
如图1-2所示：首先选择教材，然后在“选择考试范围”栏中选择考试的范围，“全部内容”中显示了本教材中所有试题范围，用鼠标点击“＋”图标，可以打开下面的章节的具体内容，在用鼠标点击“+”图标可以继续点开下面的内容。然后用鼠标点击要选择内容前的图标，被选择的内容前的选择框变为。选择范围确定后，点击下一步，进入下一步的设置。 图1-2 第3步确定题型题分 如图1-3，页面中显示了每个题型中拥有的试题数量。在“出卷总分设置”框中添加各题型分数，使“目前输入的试题总分”与“试卷要求总分”相同后，点击下方的“完成”按钮，开始出卷。 【注】：不同学科看到的题型列表和题型对应的总题数会不同；即使同一学科内，选择不同的选题范围和试卷参数，也可能会有不同的题型和总试题数。当试题总数量等于零时，将不显示相应题型。
5 考试系统中的组卷算法 5．1遗传算法概述 5．1．1 遗传算法的基本概念 遗传算法(Genetic Algorithm．GA)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法【27】。所以，遗传算法吸取了自然界中“适者生存，优胜劣汰’’的进化理论，为解决许多传统的优化方法难以解决的优化问题提供了新的途径。由于遗传算法的整体搜索策略和优化搜索方法在计 算中不依赖于梯度信息或其他辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性。如今，遗传算法不论是在算法设计上还是在基础理论上，均己取得了长足的发展，已成为信息科学、计算机科学、运筹学和应用数学等诸多学科所共同关注的热点研究领域【281。 遗传算法作为一种概率搜索算法，借鉴了生物学中自然选择和遗传机制的高度并行、随机、自适应的性质，它利用某种编码技术作用于被称作染色体的二进制数据串，其基本思想是模拟由这些染色体组成的群体进化过程。由于遗传算法是由进化论和遗传学理论相结合而产生的直接搜索优化算法【291，因此，在遗传算法中也借鉴了许多生物学中的术语。 (1)个体(Individual)：也称基因型个体，个体是遗传过程中带有遗传特征的实体，也是遗传算法中的所处理基本对象和结构。 (2)基因(Gene)：基因是携带遗传信息的基本单位，用于表示个体的特征。 (3)位串(String)：与遗传学中的染色体的概念相对应，是个体的表现形式。(3)种群(Population)：一定数量的个体的集合叫做种群。 (5)群体规模(Population Size)：在群体中个体的数量称为群体大小。 (6)适应度(Fitness)：适应度表示某一个体对于生存环境的适应程度，对于生存环境适应程度较高的个体将获得更多的繁殖机会，而对生存环境适应程度较低的物种，其繁殖的机会就会相对减少，甚至逐渐灭绝。 (7)遗传操作(Genetic Operation)：遗传算法是一种群体型操作，该操作以群体中的所有个体为对象。遗传操作由选择(Selection)、交叉(Crossover)和变异(Mutation)三个基本操作算子组成。 ①选择：根据遗传学的理论，对生存环境适应程度较高的物种遗传到下一代的机
批量上传模板使用说明 一、什么是标签？ 1.标签是提供程序自动识别、提取试题的指定字符串，中间不能加空格等其他字符，且各个标签之间的内容要换行隔开，请参看文档后面的示例。 2.必有标签有：【题文】【答案】【详解】【结束】4个，并且顺序固定。 3.【答案】标签后面的内容，用来做客观题的标准答案，程序只提取“纯文本”无格式内容（最多200字符），非纯文本格式或多于200字符的答案请放入【详解】标签。 4.Word模版提供插入标签的快捷工具栏和快捷键，对应关系是： 【题文】F5【答案】F6【详解】F7【结束】F8格式检查F9 二、关于试题的题号： 试题的题号是不需要的，若有也请放在【题文】标签之外(之前)，那样程序就不会提取它；程序会在处理完毕后，按照试题在word中出现的先后顺序重新安排题号。 三、试题录入的细节注意事项： 1.必须先安装题库智能组卷系统中的试卷排版插件，在word中使用其中的标签项（手动 输入的标签符号题库系统不识别），试卷排版插件可以在题库首页下载。 2.试题的文字格式以“宋体五号字黑色”为标准。 3.段落缩进以及行距最好使用Word的默认值。 4.插入图片、绘图等对象时要注意元素的位置要及试题位置对应，环绕方式请使用“嵌入型”。 5插入公式请使用Word自带的公式编辑器进行编辑。 6.不要使用任何域代码的内容（包括各种自动编号、项目符号）。 7.不要使用网页不支持的显示格式（比如加点字、带圈字、加框字、下波浪线、双下划线等）。 8.试题标签加完以后请使用“格式检查”进行检测，格式检查可以检测出的题目才可以导入题库中。 9.导入的试题文档需为.doc格式，word2007保存的.docx格式文档不能被识别。
《基于遗传算法的智能组卷策略的研究》综述 姓名刘春晓 学号 2015216104 专业计算机技术 班级 3班 天津大学计算机科学与技术学院 2016年 6 月
基于遗传算法的智能组卷策略的研究综述 摘要随着计算机技术的日益发展和成熟，手工组卷已经不能满足现代的教学要求，组卷智能化在提高教学质量方面发挥着很重要的作用。文章对组卷策略进行了梳理，对比和总结，主要介绍了遗传算法的优点，从遗传算法的基本流程、编码方式、适应度函数和遗传算子方面进行了归纳。接着分析了目前智能组卷策略研究的不足和挑战，最后总结了未来的研究设想。 关键词智能组卷；遗传算法；适应度函数；遗传算子 1引言 在计算机技术发展飞速的今天，计算机应用已经慢慢的渗透到人类生活的方方面面，计算机的辅助教学功能也逐渐得到大家的重视。传统的手工组卷受到人为因素的干扰，导致考试的效率低下，组卷智能化已经成为不可或缺的一项研究。 近几年，智能优化算法倍受人们关注，如人工神经网络、遗传算法，为解决复杂问题提供了新的方法，并在诸多领域取得了成功。组卷问题是一个在一定约束条件下的多目标参数优化问题，针对传统的组卷算法具有组卷速度慢、成功率较低、试卷质量不高等缺点。 智能组卷算法在计算机辅导教学过程中之所以受到重视，是因为它把人工智能技术运用到了组卷中，能够智能的设计试卷的结构和内容，包括试卷的难易度，知识点，题型和题量等，使生成的试卷质量比较高。 遗传算法（Genetic Algorithm ,GA）基于达尔文的进化论和孟德尔的自然遗传学说,是通过模拟遗传选择和自然淘汰的生活进化的随机搜索和全局优化算法（张建国 2009：1）。由于该算法有智能的搜索技术和收敛性质，可以较好的满足智能组卷的要求。所以本系统选用遗传算法作为组卷算法，以试题章节、试题数量、试题知识点、试题题型、试题难度分布、试题曝光度、覆盖度、试题分数分配等约束为组卷条件，使试卷有更好的区分度。 基于遗传算法的智能组卷系统实现了组卷智能化，优化了其他组卷算法的不足，使教学更加自动化和公平化，提高了组卷效率。 2研究现状分析 在系统开发之前，应该首先选择适合本系统的组卷算法，组卷算法的选取对试卷的质量影响颇大。只有相对好的算法才能提高组卷的效率和成功率。组卷实质上就是在复杂的约束条件下的多目标求最优解的问题，保证试卷能够满足教学要求。随着计算机技术和人工智能理论的飞速发展，各种组卷策略层出不穷，选择适合的算法对系统运行有极其重要的作用。分析各种组卷算法的优缺点，找到最优的组卷算法是该系统开发的任务之一。这里我们就现阶段组卷算法进行分析和总结。 现阶段比较成熟的组卷算法有随机选取法、回溯试探法和遗传算法。随机选取法生成的试题重复率较高，难以达到预期效果。回溯试探法是一种有条件的深度优化法，对于状态类型和题量较小的题库系统而言，组卷成功率高，但占用内
在线考试评测解决方案
1. 系统概述 智能出卷评测系统是针对中小学题高升学率、增加学生知识面的需求，结合INTERNET 和多媒体技术定制的一套系统。它经过五千多所学校使用，在实践中取得了很好的效果；教师可以通过它题供的海量的静、动态学科试题资源库和智能的出卷系统轻松的作出针对不同教学目的的各类试题，以满足教学要求。智能出卷评测系统分为"智能出卷系统"和"在线考试评测系统" 。 智能出卷的基本思路是要在老师题出的较为模糊的和较少要求的情况下高度智能化地生成满意的试卷。 网络考试评测系统是通过网上进行考试和作业的结果，智能检测出学生知识点薄弱的地方，并通过计算机智能的手段对其加以辅导。 智能出卷的基本思路是要在用户题出的较为模糊的和较少要求的情况下高度智能化地生成满意的试卷。智能出卷的习题来源--题库也不是一成不变的，新版的"龙教智囊智能出卷系统" 附带的题库中，一些不符合新教材的题目被换掉，增加了许多新的更灵活的以及近期各大考中用到的好题，这都是龙教智囊公司的老师们辛勤劳动的结果，相信一定会对学校的教学工作有帮助。 智能出卷题供了符合教师习惯的抽取整卷、智能出卷、专业出卷、知识点题分出卷，知识点题数出卷，输入题号出卷和搜索组卷多种方式，特别是操作起来很容易，实现了出卷智能化、自动化。新版智能出卷系统还新增了试题浏览功能、增强了查看、检索试题分布功能、试卷模板功能（如有期中考试及期末考试及选拔考试等）、套卷功能（就是已经组好的卷子，如历年高考试题集及一些其它比较好的套卷）、混合组卷功能、英语听力题的语音功能、试卷处理、权限管理、留有题目升级的接口(以后通过更新的数据包即可扩充题量)、题库加密、WORD排版功能、对组卷的算法进行再一次的优化。对新增加的题库的结构进行转化，使其能够被目前智能出卷所使用。 2．系统架构
本技术提供了一种智能组卷考试系统，系统，包括用户终端和网络侧服务器；网络侧服务器，包括题库模块，存储考试题目，并根据考试题目对应的知识点类型，将考试题目分别存储于知识点类型对应的题库存储单元中；用户终端，接收用户传输的组卷规则信息，并向网络侧服务器传输；网络侧服务器，还包括智能组卷模块；智能组卷模块，根据用户终端传输的组卷规则信息从题库模块中抽取考试题目组成考试试卷，并将考试试卷向用户终端传输；用户终端，还接收用户基于考试试卷的作答信息，并将作答信息向网络侧服务器传输；网络侧服务器，还包括判卷模块；判卷模块，对用户终端传输的作答信息进行批阅，获取考试成绩，并将考试成绩向用户终端传输。 权利要求书 1.一种智能组卷考试系统，其特征在于，所述系统，包括用户终端和网络侧服务器，其中， 所述网络侧服务器，包括题库模块；所述题库模块，用于存储考试题目，并根据所述考试题目对应的知识点类型，将所述考试题目分别存储于所述知识点类型对应的题库存储单元中； 所述用户终端，用于接收用户传输的组卷规则信息，并将所述组卷规则信息向所述网络侧服务器传输； 所述网络侧服务器，还包括智能组卷模块；所述智能组卷模块，用于根据所述用户终端传输的所述组卷规则信息从所述题库模块中抽取所述考试题目组成考试试卷，并将所述考试试卷向所述用户终端传输； 所述用户终端，还用于接收用户基于所述考试试卷的作答信息，并将所述作答信息向所述网络侧服务器传输； 所述网络侧服务器，还包括判卷模块；所述判卷模块，用于对所述用户终端传输的所述作答信息进行批阅，获取考试成绩，并将所述考试成绩向所述用户终端传输。
2.如权利要求1所述的系统，其特征在于， 所述组卷规则信息，包括所述考试题目的数量、题目类型、难易程度以及知识点类型中的一种或多种； 所述用户终端，包括智能手机、平板电脑或者个人电脑中的一种或多种。 3.如权利要求1所述的系统，其特征在于， 所述系统，还包括教师端； 所述教师端，用于对所述网络侧服务器的所述存储模块中的考试题目进行增加、删除、修改或者查询。 4.如权利要求1所述的系统，其特征在于， 所述用户终端，还用于记录用户基于所述考试试卷作答所耗费的答题时间信息，并将所述答题时间信息向所述网络侧服务器传输； 所述网络侧服务器，还包括成绩分析模块；所述成绩分析模块，用于接收所述判卷模块获取的所述考试成绩，并根据所述考试成绩和所述答题时间信息分析用户对所述考试题目对应的知识的掌握情况。 5.如权利要求1所述的系统，其特征在于， 所述网络侧服务器，还包括试卷存储模块和试题分析模块； 所述试卷存储模块，用于存储所述智能组卷模块获取的所述考试试卷、所述用户终端传输的所述作答信息和所述判卷模块传输的所述作答信息对应的所述考试成绩；
《考试酷》智能组卷策略与使用方法详解 考试酷网站提供了通用性非常强的智能组卷功能，也支持非常灵活的智能组卷策略，可以依据题型、知识点和章节、难度等各种分类方法进行智能组卷。 通过建立自己的题库，规划好自己的组卷策略，然后凭借智能组卷功能就可以满足你的下列需求： 1.智能组卷：从题库里以随机选题的方式组成一份高质量的试卷； 2.随机选题考试模式：组织一次考试、考核或竞赛，让每个考生拿到的试卷试题都不相同，以防止舞弊，或者适用于跨地区跨时间的竞赛或考试场合； 3.随机选题练习模式：让学生随机选题练习，每次练习都自动从题库中抽选出随机的试题进行练习。 下面我们将以驾驶员C牌理论考试这个科目为例，来讲讲智能组卷策略与使用方法。 目录索引： １．题库、策略、组卷等概念 (1) ２．建立题库 (1) ３．建立组卷策略 (2) ４．组卷 (7) ５．随机选题考试模式 (8) ６．随机选题练习模式 (9) ７．套题如何建立题库和组卷策略 (9) ８．选项随机顺序 (11) ９．其它 (12) １．题库、策略、组卷等概念 题库：题库就是你的所有试题的集合。 策略：策略就是你以什么样的规则来选题，从而组成一份试卷。 组卷：组卷就是依据规划好的策略，从题库里选题，组成一份试卷的过程。而组成的这份试卷，我们这里也把它叫做“组卷”。 特别需要用户理解的是：在考试酷里，题库、策略、组卷这三个概念，都设计为“试卷”了。这样的设计，可以提供非常强大的通用性和扩展性。而且，题库本身不但可以当作“库”使用，同时也可以当作“试卷”使用。 ２．建立题库 题库就是你的所有试题的集合。 首先是建立自己的题库，有了题库后，智能组卷功能才能从题库里抽选试题和组成试卷，也才能支持随机选题模式的考试或练习。而题库的质量、题库的分类策略等，就直接决定了以后智能组卷的质量高低了。 在考试酷的设计里，需要用户把题库分题型、章节或知识点、难度等进行分类，然后把不同题型、不同章节或知识点、不同难度的试题，分别录入为一份单独的“录入型试卷”。也就是说，一个高质量的题库，是由已经按照题型、章节和难度等分类好的很多份试卷组成的。 例如驾驶员C牌理论考试，公安部2012年新版通用试题库里面，共有7个章节和知识点： 1．道路交通安全法律、法规和规章 2．道路交通信号 3．安全行车、文明驾驶知识 4．高速公路、山区道路、桥梁、隧道、夜间、恶劣气象和复杂道路条件下的安全驾驶知识 5．出现爆胎、转向失控、制动失灵等紧急情况时临危处置知识 6．机动车总体构造和主要安全装置常识，日常检查和维护基本知识 7．发生交通事故后的自救、急救等基本知识，以及常见危险化学品等知识 而驾驶员C牌理论考试，只有2种题型： 1．选择题 2．判断题 根据这个试题库的题型和章节情况，在考试酷里，我们就需要录入或导入14份试卷（7个章节 X 2个题型），以形成我们的题库。如下图所示。
实用标准文档 《题库智能组卷系统》组卷功能说明教师用户可以利用系统提供的智能出卷、标准化出卷、搜索出卷、知识点题数出卷、知识点题分出卷共 五种方式进行出卷。为了使生成的试卷更适合用户的要求，系统还提供了手工调整试卷功能。试卷生成后如果没有达到教师期望的目的，还可以在“试卷修改”页面中，进行手工试卷调整，包括试题添加、删除、更换，试题顺序调整，题型顺序调整和试题题分修改等多种手工修改试卷方式。 1.智能出卷 智能出卷的基本思路是在用户提出的较为模糊和较少要求的情况下，高度智能化地生成满意的试卷。 智能出卷分四个步骤，下面将具体介绍其操作。 第1步设置试卷参数 鼠标点击“智能出卷”按钮，进入到智能出卷，如图1-1所示。 【说明】：“试卷名称”是试卷的标题，默认为“未命名智能试卷”，可以重新命名，也可以在试卷生成 后再修改名称，但是试卷名称不得为空。 “试卷总分”默认为 100分，可以修改，总分可以限制在10?300分。 “出卷份数”表示系统支持同时生成多份试卷。 “难易比例”，试题库中每道题都有难度系数指标，难度系数即试题的失分率，分为易(0 - 25)、中(30 —55)、难(60 — 100)三个等级。试卷默认的易中难比例为5: 3: 2，此比例可根据老师的教学要求自行调整。 沖teazher 当前包胥：百页-A出巷中尤一》智能出巻当前学阀：高屮数羊C虫击矣檸学斜) 11诡■诫播於融］2連；＞值&怕?禺确定期到■号| ■覚成出欄
图1-1
第2步选择试题范围 如图1-2所示：首先选择教材，然后在“选择考试范围”栏中选择考试的范围，“全部内容”中显示了 本教材中所有试题范围，用鼠标点击“ + ”图标，可以打开下面的章节的具体内容，在用鼠标点击“+”图标可以继续点开下面的内容。然后用鼠标点击要选择内容前的图标，被选择的内容前的选择框变为。选择范围确定后，点击下一步，进入下一步的设置。 軒？CMdwr 当前位詈:首旨- > 出卷中卄一> 智^出雜当前钢:鬲中轍学｛门击甫村学科） I 丫9?传??致12遶操试层范.Fsitwg 丁出創帼■ —1 选捧教材：|苏撤版（新课标）”. 选握考谥范固:曰厂苏教版t、 自厂必修丄 ? □必術2 @匚必修耳 F M厂必修4 li匚必悔宫 i厂世修1-1 1±|厂选修 +厂选<2-1 田厂选修 & 1~ 选^2-3 田厂选惟4 1匚何逋闕选讲 tb厂选修矩阵号強拱 i+i厂选修47坐耘柬肩参数方程 田厂选^4-5耳等式选讲 图1-2 第3步确定题型题分 如图1-3，页面中显示了每个题型中拥有的试题数量。在“出卷总分设置”框中添加各题型分数，使“目 前输入的试题总分”与“试卷要求总分”相同后，点击下方的“完成”按钮，开始出卷。 【注】：不同学科看到的题型列表和题型对应的总题数会不同；即使同一学科内，选择不同的选题范围 和试卷参数，也可能会有不同的题型和总试题数。当试题总数量等于零时，将不显示相应题型。
化学学科命题技术与组卷策略 一、高考化学试卷的基本特征与要素 1．命题指导思想，既要有利于高校选拔新生，又要有利于中学推进素质教育，试卷总体上更加注重能力和素质的考查，命题依据《中学新课程标准》，但不拘泥于《课程标准》，试题设计应增加能力型和应用性试题。测试目标为学科知识内容以及相关学习能力，测试目标的认知层次为：了解、理解（掌握）、综合应用。测试内容就遵循《中学化学课程标准》和《中学化学考试大纲》。 2．试题要有必要的区分度，适宜的难度，以利于选拔。在自然界和人类社会中，心理与教育中的大量现象常常以正态分布的形式出现。人们的知识、能力水平，就群体而言，也符合正态分布的规律，即通常所说的“两头小、中间大”。(如图a) 在大规模的考试里，考生水平的分布应是正态分布（满分若为100分，则该次考试的平均分为50分，其左右曲线下的面积相同）。它把不同水平考生的差异反映为不同的分数。但是实际考试过程中，因为受各种因素的影响，某次考试的分数分布可能跟理论上的正态分布不一定完全吻合。如果该次考试的分数分布曲线的“峰”偏向高分数段一边，就形成负偏态（如图b）,这说明试卷比较容易，结果中等水平的考生都拿到高分，使高分数段内考生人数过多，考试难以区别中等和优等水平的考生，不利于高校录取新生。反之，如果试卷很难，中等水平的考生也都拿到低分，多数考生的分数集中在低分数段内，使得考生分数分布曲线的“峰”偏向低分段一边，就形成正偏态（如图c），这当然有利于选拔尖子学生，但平均分过低，对中学学科教学的影响会很大。 高考试题的学科难度是受多种因素影响的一个较为敏感的数据。这一数据的形成，既有招生政策的决定性作用，又有命题、当年考生水平、统计方法等运作上的因素影响，是一个较为复杂的问题。不能作为评价试题的唯一依据。难度系数的统计值尽管是一个引人注目的重要数据，但还要通过它来具体分析
《题库智能组卷系统》组卷功能说明 教师用户可以利用系统提供的智能出卷、标准化出卷、搜索出卷、知识点题数出卷、知识点题分出卷共 五种方式进行出卷。为了使生成的试卷更适合用户的要求，系统还提供了手工调整试卷功能。试卷生成后如 果没有达到教师期望的目的，还可以在“试卷修改”页面中，进行手工试卷调整，包括试题添加、删除、更 换，试题顺序调整，题型顺序调整和试题题分修改等多种手工修改试卷方式。 1.智能出卷 智能出卷的基本思路是在用户提出的较为模糊和较少要求的情况下，高度智能化地生成满意的试卷。 智能出卷分四个步骤，下面将具体介绍其操作。 第1步设置试卷参数 鼠标点击“智能出卷”按钮，进入到智能出卷，如图1-1所示。 【说明】：“试卷名称”是试卷的标题，默认为“未命名智能试卷”，可以重新命名，也可以在试卷生成 后再修改名称，但是试卷名称不得为空。 “试卷总分”默认为100分，可以修改，总分可以限制在10～300分。 “出卷份数”表示系统支持同时生成多份试卷。 “难易比例”，试题库中每道题都有难度系数指标，难度系数即试题的失分率，分为易(0－25)、中(30－55)、难(60－100)三个等级。试卷默认的易中难比例为5：3：2，此比例可根据老师的教学要求自行调整。 图1-1 第2步选择试题范围
如图1-2所示：首先选择教材，然后在“选择考试范围”栏中选择考试的范围，“全部内容”中显示了本教材中所有试题范围，用鼠标点击“＋”图标，可以打开下面的章节的具体内容，在用鼠标点击“+”图标可以继续点开下面的内容。然后用鼠标点击要选择内容前的图标，被选择的内容前的选择框变为。选择范围确定后，点击下一步，进入下一步的设置。 图1-2 第3步确定题型题分 如图1-3，页面中显示了每个题型中拥有的试题数量。在“出卷总分设置”框中添加各题型分数，使“目前输入的试题总分”与“试卷要求总分”相同后，点击下方的“完成”按钮，开始出卷。 【注】：不同学科看到的题型列表和题型对应的总题数会不同；即使同一学科内，选择不同的选题范围 和试卷参数，也可能会有不同的题型和总试题数。当试题总数量等于零时，将不显示相应题型。
（物联网）题库智能组卷系统批量上传模板使用说明
批量上传模板使用说明 壹、什么是标签？ 1.标签是提供程序自动识别、提取试题的指定字符串，中间不能加空格等其他字符，且各个标签之间的内容要换行隔开，请参见文档后面的示例。 2.必有标签有：【题文】【答案】【详解】【结束】4个，且且顺序固定。 3.【答案】标签后面的内容，用来做客观题的标准答案，程序只提取“纯文本”无格式内容（最多200字符），非纯文本格式或多于200字符的答案请放入【详解】标签。 4.Word模版提供插入标签的快捷工具栏和快捷键，对应关系是： 【题文】F5【答案】F6【详解】F7【结束】F8格式检查F9 二、关于试题的题号： 试题的题号是不需要的，若有也请放于【题文】标签之外(之前)，那样程序就不会提取它；程序会于处理完毕后，按照试题于word中出现的先后顺序重新安排题号。 三、试题录入的细节注意事项： 1.必须先安装题库智能组卷系统中的试卷排版插件，于word中使用其中的标签项（手动输入的标签符号题库系统不识别），试卷排版插件能够于题库首页下载。 2.试题的文字格式以“宋体五号字黑色”为标准。 3.段落缩进以及行距最好使用Word的默认值。 4.插入图片、绘图等对象时要注意元素的位置要和试题位置对应，环绕方式请使用“嵌入型”。 5插入公式请使用Word自带的公式编辑器进行编辑。
6.不要使用任何域代码的内容（包括各种自动编号、项目符号）。 7.不要使用网页不支持的显示格式（比如加点字、带圈字、加框字、下波浪线、双下划线等）。 8.试题标签加完以后请使用“格式检查”进行检测，格式检查能够检测出的题目才能够导入题库中。 9.导入的试题文档需为.doc格式，word2007保存的.docx格式文档不能被识别。 ================以下是样例模板，请参考 ================== 2009年普通高等学校招生全国统壹考试（四川卷） 理科综合测试试题 第Ⅰ卷 本卷共21小题，每小题6分，共126分。 可能用到的相对原子质量：H1C12O16Mg24Al27S32K39Mn55 壹、选择题（本题包括13小题。每小题只有 壹．个．选项符合题意） ．． 的是 1.【题文】下列关于哺乳动物体内三大营养物质代谢的叙述，不正确 ．．． A.用15N标记的苯丙氨酸饲喂小鼠后，于其体内检测不到15N标记的酪氨酸 B.当体内脂肪的分解速度加快时，意味着糖类的供应不足 C.肝细胞中内质网的功能出现障碍，脂蛋白的合成受阻 D.肝糖元和肌糖元去路的差异，和所于细胞功能密切关联 【答案】A
在线智能组卷考试系统（60万题库） 产品简介 本系统主要用来缓解传统考试所需要的繁琐工作流程，组织试题，印刷试卷，组织考试，监考防作弊，收卷判分，统计结果等，通过本系统，可以将以上考试的全部流程，完全借助计算机网络实现，而大大提高考试的安全性便携科学性。 基于先进的网络编程技术，运行于winnt4.0/win2000操作系统；集网络出题，联机考试，网上自测，实时评判，考试成绩分析评估于一体的大型教学考试管理系统。系统分为小学版，初中版，高中版等各种版本；简单易用的组卷向导可使教师轻松组出试卷。基于浏览器的联机考试方便学生自测和测试，各种完善的评价指标可实现对学生，教师及考试试题的定量分析，帮助教师掌握重点，难点，指导学生高效学习 产品用途和应用范围 智能出卷评测系统是一套针对中小学信息技术的应用，旨在提高教学和考试出题判卷效率、及时反馈教学效果的智能试题库系统。它主要用于课堂习题训练、自测、作业布置、阶段性综合练习及期中、期末考试、学科竞赛等。此系统一经推出就受到很多学校好评，并在实践应用中取得了良好的效果。智能出卷评测系统主要包括“智能出卷系统”和“智能考试评测系统” 。 “智能出卷系统”既能实现较高程度的智能化出卷，又能结合教师个人的出题经验手工设置进行出卷。教师可以通过此系统提供的海量静、动态学科试题资源库轻松、快速地组出针对不同测评目的的试卷，以满足各类考试及评测要求；系统开放式的数据库不仅可以每学年从公司获得大量新的试题资源，还可以把各学科教师自己收集的试题、试卷随时输入到试题库中，使老师们越用越得心应手；系统中用户管理及数据备份功能可确保系统的安全性。 “智能考试评测系统”可实现网上考试、判卷、成绩统计、自我诊断等功能。教师通过网上反馈的统计信息，快速了解学生答题结果和知识点的掌握情况，从而及时做出下一步的教学调整和安排；学生可以通过网上考试和同步训练自我诊断掌握知识的程度，及时查漏补遗，这也是为学生提供了一种自主学习、自我检查的手段。 针对中小学提高升学率、增加学生知识面的需求，结合INTERNET和多媒体技术定制的一套系统。它经过五千多所学校使用，在实践中取得了很好的效果；教师可以通过它提供的海量的静、动态学科试题资源库和智能的组卷系统轻松的作出针对不同教学目的的各类试题，以满足教学要求。本系统采用B/S模式开发，同时适用于局域网和Internet，无需安装客户端，即可实现在线考试和网上作业、自动判分、成绩查询和结果分析等功能。
题库智能组卷系统安装使用说明 1、如何安装 （1）软件要求 操作系统：Windows 2000 、Windows XP以上 浏览器：推荐使用IE6.0以上 （2）安装步骤 双击安装盘根目录下“题库智能组卷系统V1.1.exe”文件，根据提示安装题库组卷系统。安装过程大约5-15分钟，安装程序首先检测您的机器是否安装IIS、.Net2.0以及MSSQL数据库等相关组件，如您的机器已经安装相关组件，安装程序会跳过相应组件的安装。安装过程如出现个别文件无法替换或修改，请点击忽略。 系统程序安装完成后，安装程序会自动进入学科题库文件的安装。请根据需要选择需要安装的学科，如要安装所有的学科请点击“全选”按钮选中所有学科题库，请您尽量更改数据库的安装目录到系统安装分区（多数为C盘）以外的分区目录下，建议安装到D:\Program Files目录下，点击“浏览”选择要安装的目录“确定”即可。 2、如何出卷 教师用户可以利用系统提供的智能出卷、标准化出卷、搜索出卷、知识点题数出卷、知识点题分出卷共五种方式进行出卷。为了使生成的试卷更适合用户的要求，系统还提供了手工调整试卷功能。试卷生成后如果没有达到教师期望的目的，还可以在“试卷修改”页面中，进行手工试卷调整，包括试题添加、删除、更换，试题顺序调整，题型顺序调整和试题题分修改等多种手工修改试卷方式。 （1）智能出卷 智能出卷的基本思路是在用户提出的较为模糊和较少要求的情况下，高度智能化地生成满意的试卷。 智能出卷分四个步骤，下面将具体介绍其操作。 第1步设置试卷参数 鼠标点击“出卷中心”的“智能出卷”按钮，进入到智能出卷，如图1-1所示。 【说明】：“试卷名称”是试卷的标题，默认为“未命名智能试卷”，可以重新命名，也可以在试卷生成后再修改名称，但是试卷名称不得为空。 “试卷总分”默认为100分，可以修改，总分可以限制在10～300分。 “出卷份数”表示系统支持同时生成多份试卷。 “难易比例”，试题库中每道题都有难度系数指标，难度系数即试题的失分率，分为易(0－25)、中(30－55)、难(60－100)三个等级。试卷默认的易中难比例为5：3：2，此比例可根据老师的教学要求自行调整。