遗传算法基础上矩阵编码自动组卷及优化研究

的 方 法优 化 矩 阵 编 码 方 法 应 用 于 自动 组 卷 ．
关键词 ： 自动组 卷 系统 ； 传 算 法 ； 阵编 码 ； 段 编 码 ； 性 约 束 遗 矩 分 属
中 图分 类 号 ：Ｐ １ Ｔ３ １ 献 标 识 码 ： Ｂ 文章 编 号 ：６ ２— ９ ６ ２ ０ ）５— ５３— ４ １７ ０４ （０ ８ ０ ０ ５ ０
５个指 标 的加权 和 ， 同时为 了不 至 于各个 误 差相 互
类型 用符号 表示 ， 试题 难度 、 区分 度 用模 糊 分级 表
示 ． 于试题 库中全部试 题可 以预先建 立 目标 状态 对
收 稿 日期 ：０ ８— ２～１ ． ２０ ０ ６ 作 者 简 介 ： 洪 瀚 （９ ４一） 男 ， 授 ， 究方 向 ： 张 １５ ， 教 研 电子 商 务 与 电子 政 务
．
Ｋｅ ｏ ｄ ： ｔｌｇｎ ｓ ｍ ｏ ｕｏｇｎ ｒ ｉ ｅｔ ａｅ ；ｅｅ ｃａｇｒｈ Ｇ ； ａｒ ｙｗ ｒｓ ｉ ｅｌ ｅｔ ｙｔ ｆａｔ—ｅｅａ ｎ ｔｓ ｐ ｐ ｒｇｎ ｔ ｌ ｉ ｍ（ Ａ） ｍ ｔｘ ｎ ｉ ｓ ｅ ｔｇ ｉ ｏｔ ｉ
ｅ ｃ ｄｉｇ； ｒ ｕ ｅ ｎ ｏ ｉ ｎ ｏ ｎ ｇｏ ｐ ｄ ｅ ｃ ｄｎｇ； ｏ ｔａｎ ｆａｔｉ ｕ ｅ ｃ ｎｓｒ ｉ ｔｏ ｔｒｂ ｔ
目前计算机 应 用已经深入 人们 生活 ， 种考试 各 逐渐 采用计算机 出题 ， 弥补 了 人 工 出题 的 不足 ， 但
也对提 出了一 些新 的 问题 ． 如何设 计 一个算法从 试 题 库 中又快又好地 抽 出组 最符合 要求 的试 题 ， 涉及 到 全局寻 优和收敛速 度快慢 的 问题 ． 自动 组卷 大多 采 用随机 选 取 法 ， 溯 试 探 法 、 义遗 传 算 法 ， 回 广
１ 组卷 问题 分 析
对每道 试题 主要 设置 如 下 属性 ： 数 ； 识 范 分 知
围； 题型； 试卷难度 ； 试卷区分度 ．
试 题分数定 量 表 示 ， 题 所 属知 识 范 围 、 试 试题
指标／ 来综合反映这 ５个指标与用户要求的误差 ，
由于它们 的 重要 程度 不 同 ， 以整 卷 的指标 就 是 所
第２卷 第５ ４ 期
２０ 年 １ ０８ ０月
哈 尔 滨 商 业 大 学 学 报（ 自然科 学版 ）
Ｊ ｕ ｎ ｌ ｆ ｒ ｉ ｎｖｒｉ ｆＣ ｍｍｅｃ （ ａｕ ａ Ｓ ｉ ｃｓ ｄｔ ｎ ｏ ｒ ａ ｂｎＵ ｉｅｓ ｙｏ ｏ ｏ Ｈａ ｔ ｒｅ Ｎ ｔｒｌ ｃ ｎ ｅ ｉｏ ） ｅ Ｅ ｉ
Ｚ ＨＡＮ Ｈｏ ｇ ｈ ｎ Ｚ Ｇ ｎ — ａ ， ＨＡＯ Ｊｎ ｉ （ ｃ ｏ ｌ ｆ ｏ ｐ ｔ ｎ ｎ ｒ ａｉ ｎ ｉ ｅ ｎ ， ａｂｎＵ ｉ ｒ ｔ ｏ ｏ ｍ ｒ Ｈａｂｎ１ ０ ２ Ｃ ｉａ Ｓ ｈ ｏ ｏ Ｃ ｍ ｕ ｒ ｄ Ｉｆ ｍ ｔ ｎＥ ｇ ｅ ｒ ｇ Ｈ ｒｉ ｎ ｅｓ ｙ ｆ ｍ ｅｃ ｅａ ｏ ｏ ｎ ｉ ｖ ｉ Ｃ ｅ ｒｉ ０ ８， ｈｎ ） ５
矩阵 Ａ
Ａ ＝
但 是这 些算法 往往 因 为约 束 条件 的局部 满 足 而 导
致组卷 失败 ， 同时 组卷 过程 所 需 时 间长 ， 无法 满足 实际应 用 ．因此 ， 本文 根据 试 卷 生成 问题 的特 点 ， 提出优化 的矩 阵编码来 寻优 自动 组卷 ．
Ⅳ代 表试题库 中全部 试题 的总 数 ， Ｃ为每道 试题 的
属性代码 项数 （ 这里 为 了 出题快 速 和方 便 ， 选取 了
５个最 重要 的属性 指标 ， Ｃ在 这里最 大 为 ５） 在 即 ，
矩 阵 Ａ 中每 行 代 表 一 道试 题 及 其 属 性 ， 列 代 表 每
试题 库 中全 部试题 的某个 属性． 卷过程 问题 求解 组 为 ： 矩阵 Ａ 中寻找 满足 组 卷 目标 要 求 的行 组合 ， 在 使 ５个 属性 指标 都 等 于 用 户指定 或 缺 省设 置 的要 求或 者误差最 小 ． 实 际 应 用中 ， 在 我们 设 定整 卷
Ｖ１４ 。 ｏ２ Ｎ． ． ５
Ｏ ｔ ０８ ｃ ２０ ．
遗传 算 法 基 础 上 矩 阵 编 码 自动 组 卷 及 优 化 研 究
张 洪瀚 ． 赵 金
（ 哈尔滨商业大学 计算机与信息工程学 院 ，哈尔滨 １０ ２ ） ５０ ８
摘 要 ： 于 遗 传 算 法 ， 对考 试 系统 的 自动 出题 问 题 ， 遗 传 算 法基 础 上 ， 用属 性 约 束 和 分段 编码 基 针 在 利
，
ＡｂｔａｔＢ ｓｄｏ ｅｇｎ ｔ ｌ ｒｈ （ Ａ）ａｄｔ ｒ ｌ ｆｎｅ ｉ ｎ ｓｓ ｍ ｏ ｕ ｓ ｃ： ａｅ ｎｔ ｅｅｉ ａ ｏｉ ｍ Ｇ ｒ ｈ ｃ ｇ ｔ ｎ ｅｐｏ ｅ ｏ ｉｔｌｇ ｔ ｙｔ ｆ ｈ ｂ ｍ ｌｅ ｅ ａ
ｔ — ｅ ｅ ａ ｉｇ ｔ ｓ ａ ｅ ， ｔ ｏ ｆｃ ｎ ｔａｎ ｆａｔｉｕ ｅ ａ ｄ ｇ ｏ ｐ ｄ ｅ ｏ ｉ ｇ ｉ ｓ ｄ ｔ ｏ ｇ ｎ ｒ ｔ ｅ ｔｐ ｐ ｒ ａ ｍｅｈ ｄ ｏ ｏ ｓｒ ｉ ｔｏ ｔ ｂ ｔ ｎ ｒ ｕ ｅ ｎｃ ｄ ｎ ｓ ｕ ｅ ｏ ｎ ｒ ｏ ｔ ｚ ｈ ｔｉ ｎ ｏ ｉ ｇ ｉ ｎ ｅｌｇ ｎ ｙ ｔｍ ｆａ ｔ —ｅ ｅ ａｉ ｇ ｔｓ ａ ｅ ｐ ｉ ｅ ｔ ｅ ｍａｒｘ ｅ ｃ ｄ ｎ ｎ ｉｔ ｌ ｅ ｔｓ ｓｅ ｏ ｕ ｏ ｇ ｎ ｒ ｔｎ ｅ ｔｐ ｐ ｒ ｍｉ ｉ
Ｓ ｕ ｎ ｏ ｉ ｉ ａ ｉ ｎ ｏ ａ ｒ ｘ ｅ ｃ ｄｉ ｇ ｉ ｕｔ － ｅ ｒ ｔｎｇ ｔｓ ｐｅ ｔ ｄｙ ｏ ｐｔ ｚ ｔｏ ｆｍ ｔｉ ｎ ｏ ｎ ｎ ａ ｏ ｇ ｎｅ ａ ｉ ｅ ｔｐａ ｒ ｍ ｓ ｓｅ ｓ ｄ ｏ ｅ ｔｃ ａ ｇ ｒ ｔ ｙ ｔ ｍ ｂａ ｅ ｎ ｇ ｎｅ ｉ ｌ ｏ ｉｈｍ