基于遗传算法的自动组卷问题研究摘要：考试已成为整个社会评定个人水平能力及选拔人才不可缺少的手段之一。试题库的完整性及试题组卷的科学性已成为当代教育的热点研究问题。应用自动组卷系统，只需根据题型、题量、难易度、分值等相关参数的设置即可自动生成一套满足要求的试卷。在组卷系统研究中，自动组卷算法是整个系统的关键技术，提出新的利用遗传算法组卷系统，其目的在于提高自动组卷的有效性和试卷质量。关键词：遗传算法；自动组卷；组卷系统：TP301文献标识码：A:1009-3044(2016)01-0213-02ResearchonAuto-generatingTestPaperonGeneticAlgorithmLIA-hongl,2,ZHANG激an-fengl(1.CollegeofInformationEngineeringNorthwestAFUniversity,Yangling712100,China；2.XianyangVocationalTechnicalCollege,Xianyang712000,China)Abstract：Testinghasalreadybeenoneofthemainmeasuresforassessingtalents?qualityandpromotingtalents.Therefore,ithasbeenahotissuethattestbankshouldbeintegratedandthetestpapergeneratingmoduleshouldbescientific.Theauto-generatingtestpapersystemcangenerateautomaticallytestpaperswhichcanmeettherequriementsbasedonthetasktypes,thequantity,thedegreeofdifficultyetc.Intheresearchofthesystem,thealgorithmisthekeytechnique,sothepaperproposesthenewgeneratingtestpapersystemonthegeneticalgorithmtoimproveitseffectivenessandthepapers'quality.Keywords：Geneticalgorithm；Auto-generatingtestpape；Generatingtestpapersystem1组卷系统基本原则在目前高等教育中，考试仍然是评价教学效果的重要方式，也是给提高教学质量提供反馈信息的重要手段。因而试卷的设计就尤为重要，不仅要涉及知识的覆盖面。而且试题的难易程度要控制在一定的标准中，这样才起到真正的评价和反馈作用。利用计算机开发新的组卷系统已成当代教育研究的热点问题之一,而如何保证试卷的随机性、公平性、合理性，是实现自动组卷系统的一个难点。1.1控制试题的难易度试卷是老师对学生进行所学知识掌握程度检测的重Si要手段，然而同一门课对不同专业的学生要求掌握的程度会有所不同，如《计算机应用基础》这门课对理科学生要求掌握的程度相对文科学生要高，因此针对不同专业学生试卷的难度会有所不同；对同一专业学生，要根据学生巳有的基础，以及学生的年龄和接受能力，试题的难易程度也要不同；同时根据考试的级别和及格率的要求，试题的难易程度也要有所调整。1.2保证试题的公平性为了保证考试的公平性，在组卷过程中要保证考生前后左右的试题都不一样，但试题的难易程度一样,这就要求在组卷中要灵活多样，同等难易程度的试题要有足够的数量。而且试题的形式要保持一致，不然很难保持同一场考试的公平性。1.3发挥组卷系统的智能性计算机在组卷的过程中往往按照命题人给出的指令从试题库中挑选试题完成组卷工作，可是系统对所生成试卷的难易程度、有效性很难有效地控制。于是如何有效地提高计算机的组卷性能，使计算机能够自动调整组卷算法实现其组卷的智能性，是组卷成功的重要因素之一。2算法分析遗传算法是于达尔文生物进化论中适者生存、优胜劣汰遗传机制的自然选择和遗传学机理生物进化过程的计算模式，是一种模拟自然进化过程搜索最优解的方法［1］。遗传算法从代表问题潜在解集的一个种群出发，一个种群由经过基因编码的一定数目的个体组成。每个个体是染色体带有特征的实体。染色体作为遗传物质的主要载体，其内部表现（即基因型）是某种基因组合，它决定了个体形状的外部表现［2］。因此，在一开始需要实现从表现型到基因型的映射即编码工作。初始种群产生后，按照适者生存和优胜劣汰的原则，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选择个体，并借助于自然遗传学的遗传算子进行交叉和变异，产生出代表新的解集的种群，最后一代种群中的最优个体经过解码，可以作为问题近似最优解。本文基于对遗传算法的仔细研究，并从四个方面进行了改进，分别是编码方式、适应度函数设计、初始种群生成方法以及遗传算子的基础...