基于蚁群算法在建模中的应用与发展

自动组卷问题是一个多约束条件下的多目标参数优化问题,各个目标之间互相牵制,采用传统算法求解相当困难,导致组卷效率和成功率都比较低。结合自动组卷的多目标组合优化特点,提出一种蚁群算法的自动组卷模型。模型首先根据试卷要求建立试卷质量评价体系,然后根据题型、总分、考试时间等要求建立多约束条件、多目标的数学模型,然后采蚁群算法对该数学模型进行求解,最后输出

1

訇似

基于蚁群算法在建模中的应用与发展Bas ed on antcol ony al gort ihm n m odeln t e i i g h applcaton an vel i i d de opm ent

王

栋’,边.

超

\//\ ANG n’ BI a Do g AN Ch o

(. 1甘肃联合大学电子信息工程学院。州 7 0 0;2中国矿业大学银川学院，兰 300 .银川 7 0 1 ) 5 01摘要：自动组卷问题是一个多约束条件下的多目标参数优化问题，各个目标之间互相牵制，采用传

统算法求解相当困难，导致组卷效率和成功率都比较低。结合自动组卷的多目标组合优化特点，提出一种蚁群算法的自动组卷模型。模型首先根据试卷要求建立试卷质量评价体系，然后根据题型、总分、考试时间等要求建立多约束条件、多目标的数学模型，然后采蚁群算法对该数学模型进行求解，最后输出最优组卷方案。仿真结果表明，蚁群算法充分利用了蚁群算法群体智能特点，提高了组卷效率和成功率，很好满足自动组卷的实时性。 关键词：蚁群算法；试卷；数学模型；试题库中图分类号：B 4 81文献标识码：A 文章编号：1 0-0 3 ( 0 1 1 (一0 7-0 9 1 4 2 1 )下) 0 5 4 0 2D i1 .9 9 J i n 10 -0 .0 1 1 ( ) 2 o: 3 6/ . s .0 9 1 4 2 1 .2下 .6 0 s 3

0引言随着人工智能技术发展和教学改革不断深入， 智能组卷系统越来越受到众多学者的关注。在计算机辅助教学中，计算机辅助测验 ( A是其中 C T)一

1试卷质量评价的指标体系构建试卷指标体系是指试卷一些重要参数，是对试卷的特征和功能进行定性的或定量的描述，因

此试卷的指标系统是实现计算机自动组卷的关键。1试卷的平均难度。试卷难度是指测试的全 )体学生在该试卷上的失分率，用符号 D表示。试卷难度的计算公式为：

个重要组成部分，C T集组卷、评卷和题库管 A

理于一体。而计算机自动组卷是 C T最为重要的 A部分，因此设计出合理的组卷算法是计算机自动组卷系统研究的难点和热点。 计算机自动组卷是由计算机自动

从试题库中抽取试题，组成一份符合题型、知识点、难度和分数分布等要求的试卷。随机算法抽取试题常不能满足试题要求，易产生无效试卷，因此组卷成

∑×D () 式中，k表示第 i的分值，P表示第 i试 i题 道题的难题，m表示试卷的总题量。

功率比较低。而回溯试探法组卷算法，该算法当试题库比较大时，回溯的次数比较多且组卷时间较长瞪。遗传算法具有全局寻优和收敛速度快的 J

2试卷区分度。试卷分度称之为试卷鉴别力， )用来衡量试卷对参加测试的不同能力水平学生的区分程度，用符号 P表示，其计算公式如下：

特点，但对不同要求试题要设置不同的遗传算法，实现比较复杂。因此，开发出一套通用、高效且生成试卷质量高的自动组卷算法对计算机辅助测验具有很大的实用价值。

P=P H—P L式中，

() 2

表示考生的高分得分率，P,示考 表

生低分得分率，P越大表示该试卷区分能力越强。

3 )试卷的信度。试卷信度指测试结论与数据的可靠性程度，是衡量试卷质量稳定性和可靠性的重要指标，采用如下的估计方法：

蚁群算法 ( t oo yo t zt n a ln pi a o,AC作为 nc mi i O)一

种新仿生类模拟进化算法，其模拟自然界蚁群

觅食行为，具有全局搜索和群体智能搜索等优点。 将蚁群算法引入到计算机自动组卷中，并通过具体实例对该算法有效性进行预测表明，相对于其, zr=一

∑P1P f一 ( )卜旦 () 3

n—l

他几种常用的自卷组卷算法，蚁群算法的自动组卷系统提高了组卷成功率，加快了组卷的速度，

式中， n表示题总数，表示考试总分的方差， 表示题目 f的通过率，, .表示信度系统。

基本上能够适应自动组卷高成功率、实时性要求。

收稿日期：2 1 - 5 0 0 1 0- 3作者简介：王栋 (9 5 17一),男，河北行唐人，讲师，硕士，研究方向为通信网络及信息安全。

第3卷 3

第1期 2

2 1 - 2下)[5 0 1 ( 7 1 1

本文来源：https://www.bwwdw.com/article/psue.html