福建电脑2010年第3期各种常见自动组卷方法的研究林锡彬(汕头林百欣科技中专广东汕头515041)摘要：本文阐述了自动组卷的常用方法及改进算法，并分析比较了其优缺点，提出了自动组卷对算法的典型要求，指出各自的特点。以便于人们更快、更容易地选择一种算法解决特定问题。关键词：自动组卷遗传算法模拟退火算法、引言试题库这一概念，近年来在教育机构、学校都引起了极大的兴趣。
事实上，国内外许多教育机构和大学在花大力气研究试题库．因为，试题库对考试机构变得越来越重要．其明显的优点是试题库使教育测量的质量不断提高而测验编制者所花费的时闻不断减少。所谓试题库，是由许多适用于不同目的、技能和任务需求，且具有必要参数的大量优质题日组成的试题集合。试题库中的题目是供测验编制者能根据需要按预定的要求组卷．当试题库中的题目在内容恰当和技巧完备时则测验编制者的工作就会变得简单且卓有成效，组卷的质量就变得更高．就能使测验更加高效地达到既定的测量目标．从而在试卷质量方面保证教育测量的信度和效度．2、自动组卷对算法的要求自动组卷是指利用计算机对建成的试题库按照一定的组程方法抽取试题，组成符合要求试卷的过程。自动组卷是考试系统自动化操作的核心目标之一．而如何保证生成的试卷能最大程度地满足用户的不同需要。并使选择的试卷试题具有随机性、科学性、合理性，这是组卷实现中的一个难点。因此。选择一个高效、科学、合理的方法是自动组卷的关键。3、各种算法的研究随着人们对自动组卷的深入研究和了解．各种组卷算法的改进算法也相继提出。很多新算法在前人提出的算法中做了某些方面的提高和改进．且有些是有针对性地为特定的领域而设计。一些算法只适合于对组玩家开心卷质量要求不高的场合。而某些算法虽然组卷质量较高．但是。当考虑的题目参数增加时，其算法会变得非常复杂，会带来性能上的问题。所以，我们必须清楚地了解各种算法的优缺点和应用范围．根据实际问题选择合适的算法。3．1随机抽取法即根据命题人录入的一组参数．作为一组试卷指标．然后从题库中选取试题．使得到的试题集能够满足所有指标的要求。
在选题的过程中多是采用随机抽取策略。所谓随机抽墩策略．是根据组卷状态空问的控制指标．由计算机随机抽取一道符合控制指标的试题放人组卷题库．不断重复此过程，直到组卷完毕或已无法从题库中抽取满足控制指标的试题为止。不难发现．在限制条件状态空问的控制下．随机抽取策略有时能够抽取出一组令用户满意的试题。
不过由于随机抽取试题的范围太大．无法确定目前条件哪些区域能够抽取合适的试题而可能在那些已经证明是无法抽取合适试题的区域内反复选题。
进行大量无效操作进入死循环，最终导致组卷失败。该方法结构简单。具有很大的随意性和不确定性，无法从整体上把握题库不断变化的要求．不具有智能性。3．2回溯试探法而回溯试探法是随机抽取法的改进算法．即将随机抽取策略产生的每一状态类型记录下来。
当搜索失败时释放上次记录的状态类型．然后再按网游照一定的规律变换一种新的状态类型进行试探．通过不断的回溯试探直到试卷生成完毕或退回到出发点为止。这样的方法一般要求教师在录入试题时，录入相对多的参数，比如各种题型的分数以及难度、各知识点所占的分数及难度等各项局部指标和整张卷子的分值及平均难度等全局指标。而且在组卷时．当选取一道试题后．也是分别检验符项指标是否已经满足，经常出现一项指标达到预期值，而另一项指标超过预期值的现象，即不能将这些指标有机地联系起来，以使选题相对简单．实践证明回溯试探策略适用于类型和出题量都比较小的题库系统．实际应用时程序结构相对复杂．而且选取试题随机性差，组卷时间长。对于现在越来越流行的考生随机即时调出试题的考试过程来说不符合要求。3．3智能补偿法针对以上两种方法有人提出了一种智能组卷策略．即对用户命题要求进行量化处理．产生本次考试的试卷基本模式．包括各题型的分配矩阵和各难度类型的试题在各章中的题分分配矩阵．然后根据基本模式在题库中随机抽取试题．以矩阵或的各元素均为零作为抽题结束的标志。并在抽取试题时候．采用补偿策略。
所谓补偿策略，即根据试卷基本模式抽取题目时，矩阵中有些元索无论如何也不能到达零．即没有相应的试题符合成卷的要求，有时，可能只为一分之差就影响了组卷上作的进行，闪此．在一定误差允许范围内，对试卷基本组成模式做出相应的调整以达到成功组卷的目的。与传统的组卷方法相比，该算法具有全局寻优和收敛速度快的特点．但是随着题库中题量增多，问题的解空间也迅速增大，该算法的时间代价太大。3．4遗传算法遗传算法是一种并行的、能够有效优化的算法．它模拟达尔文的自然界遗传学：继承(基因遗传)、进化(基因突变)和优胜劣汰(优的基|大量被遗传复制，劣的基因少量被遗传复制)。其实质就是一种把自然界有机体的优胜劣汰的自然选择、适者生存的进化机制与同一群体中个体与个体闻的随机信息交换机制相结合的搜索算法。运用遗传算法求解问题首先需将所要求解的问题表示成二进制编码．然后根据环境进行基本的操作：．．．。
一一这样进行不断的所谓”生存选择”，最后收敛到一个最适应环境条件的个体上。得到阀题的最优解。
由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其它辅助知识．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。
它是求解一般约束优化问题的有效算法，能有效克服盲目随机性。又能适应不断变化的题库和组卷要求。但是遗传算法的局部搜索能力较弱和容易产生未成熟收敛问题。3．5模拟退火遗传算法模拟退火算法是指通过采用随机模拟物体退火过程来完成问题的求解。
也就是在控制参数(温度)的作用下，对参数的值进行调整．直到所选取的参数值最终使能量函数达到全局极小值。模拟退火算法具有较强的局部搜索能力．并能使搜索过程避免陷入局部最优解。
模拟退火遗传算法由遗传和模拟退火算法组成，它能够丰富优化过程中的搜索行为，增加全局和局部的搜索能力和效率。模拟退火算法是一种自适应变概率的变异操作，能够增强和补充遗传算法的搜索能力。采用了融入(下转第53页)2010年第3期福建电脑53维护云。
他们升级、安装和虚拟化服务器与应用程序。如果用户是消费者。就不必关心系统是如何运行的。总的来说新游戏，云计算可以算作是网格计算的一个商业演化版。
没有网格计算打下的基础，云计算也不会这么快到来。云计算是网格计算的一种简化实用版．不像网格2．．而像网格．2。网格0．1是指以前实现的以科学研究为主的网格，非常重视标准规范．也非常复杂，但缺乏成功的商业模式。云计算是网格计算的一种简化形态．云计算的成功也是网格的成功。
网格不仅要集成异构资源，还要在解决许多非技术的协调『题。
也不像云计算有成功的商业模式推动。所以实现起来要比云计算难度大很多。但对于许多高端科学或军事应用而言，云计算是无法满足需求的，必须依靠网格来解决31。从两者之问相同的层面来说．从概念上看，云计算实质也就是一种分布式计算。3．2云计算与网格计算区别网格计算强调资源共享．任何人都可以作为请求者使用其它节点的资源．任何人都需要贡献一定资源给其他节点。
网格计算强调将工作量转移到远程的可用计算资源上。云计算强调专有．任何人都可以获取自己的专有资源．并且这些资源是由少数团体提供的，用户不需要贡献自己的资源。在云计算中，计算资源被转换形式去适应工作负载．它支持网格类型应用．也支持非网格环境．比如运行传统或2．0应用的三层网络架构。网格计算侧重并行的计箅集中性需求．并且难以自动扩展。云计算侧重事务性应用。大量的单独的请求，可以实现自动或半自动的扩展。网格的构建大多为完成某一个特定的任务需要．或者支持挑战性的应用。这也是会有生物网格、地理网格、国家教育网格等各种不同的网格项目出现的原因。而云计算一般来说都是为了通用应用而设计的。云计算一开始就支持广泛企业计算、应用．普适性更强。网格计算的主要思路是聚合分布的松散耦合资源。而云计算的1资源相对集中，以的形式提供底层资源的获得和使用。在对待异构性方面。二者理念上有所不同。
网格计算用中间件屏蔽异构系统，力图使用户面向同样的环境。把困难留在中间件，让中间件完成任务。而云计算。不同的服务用不同的方法对待异构型，所有传统的方法在这里都可以应用。有的提供基础设施，类似传统的服务器，用户选择操作系统和应用环境。有的则屏蔽了操作系统、基础设施和系统软件的差异，比如服务。网格计算和云计算的具体比较如表所示：网惦计算云计算异掏资源同构资源不同机构单一机构虚拟组织虚拟枧科学计算为主敦据处理为末高性能计算机服务器紧耦台¨恿松耦台『题免费按虽计费标准化尚无标本游戏装备差劲准科学界商业社会表1网格计算与云计算比较结论网格计算和云计算都是目前流行的热点领域．两者有许多共同点和不同点．网格计算与云计算最后会逐步走向融合。现今云计算正处于一个起步阶段．大大小小的公司提供着各式各样的云计算服务．从软件应用到网格存储再到邮件过滤。相信不久的将来．云计算技术会很快成为我们信息生活的主流技术．云计算的蓝图已经呼之欲出．同时我们也希望云计算能很快应用到生活中的各个领域。参考文献：1，．网格计算．北京：机械工业出版社200521刘鹏．中国云计算网．：．．．]玩家，2009[31陈康，郑纬民．云计算：系统实例与研究现状丌．软件学报，2009(5)4蔡君．：云计算将推动虚拟化的发展[『1．通讯世界。2009(7)-?一-+?+-+-+一+-+-+-?一-?+?-?-卜-?+-?+?-卜??+-+一-+?+一+-+-+-+-+?-一-+-+?+-+-?+一-?-+??-“一-一?。
??+一-?一-。-?-?-?+一-?+?+?+??一-?一??一(上接第54页)模拟退火思想的遗传算法进行自动组卷．能较好地克服遗传算法的早熟问题．进一步提高算法的搜索效率．并采用实数编码方案，能更好地配合模拟退火遗传算法的具体实现。3．6定性映射方法定性映射方法是把组卷过程分为获取用户要求、设计试卷模式和试卷模式的实现三个步骤。
在获取用户要求后．根据试题和试卷指标问的数学关系将其量化为一组指标分数分布曲线．即当前的试卷模式：然后建立基于试卷模式的数学模型；最后将试卷模式实现过程捕象为满足组卷要求的多目标组合优化题目和依据组合优化最优解利用定性映射模型从试题库中抽题两个过程。
抽题过程中．把试题库中的每一道试题用一维向量来表示。通过定性映射模型。找出理想试题或其邻域范围内的所有试题．然后分别求出试题的满足度。考虑到试题的不同属性对满足度的影响程度不同。
算法中引进权重概念．利用属性论的加权转化程度甬数求出邻域范围内每一道试题的满足度．将满足度最大的试题抽出组合成一份试卷。该方法能够合理分配不同难度的试题．提高组卷的效率和成功率，为自动组卷的实现提供了一种新途径。4．结论综上所述，随机抽取法结构简单，但无法从整体上把握题库不断变化的要求，不具有智能性。
回溯试探法实际应用时程序结构相对复杂。而且选取试题随机性差．组卷时间长。智能补偿法具有全局寻优和收敛速度快的特点。但是随着题库中题量增多，同题的解空间也迅速增大．该算法的时间代价太大。
遗传算法能有效克服盲目随机性，又能适应不断变化的题库和本网络游戏此点强悍了组卷要求。但是遗传算法的局部搜索能力较弱和容易产生未成熟收敛问题。采用了融入模拟退火思想的遗传算法进行自动组卷．能较好地克服遗传算法的早熟问题．迸一步提高算法的搜索效率．并采用实数编码方案．能更好地配合模拟退火遗传算法的具体实现。
但组卷时没有考虑像教学内容要求学生掌握的层次．试题对学生知识和能力的要求等。
定性映射方法为自动组卷的实现提供了一种新途径，但其结构程序较复杂，数学基础要求较高，实现起来有一定难度。通常可参考以下建议：(1、如果类型和出题量都比较小的题库系统．可选用智能补偿法。
(2)如果目标数据库比较大，建议采用融入模拟退火思想的遗传算法进行自动组卷。
(3)如果考虑像教学内容要求学生掌握的层次．试题对学生知识和能力的要求等，定性映射方法是一种最好的选择。(4)将不同类型的算法相互结合以满足不同的组卷要求原创。近年来．随着传统方法的不断发展以及各种新方法和新技术的涌现，组卷得到了长足的发展。不难发现其新趋势：(1)传统组卷方法的融合发展。(2)新方法不断涌现。(3)根据实际需要，有针对性地融合多种算法的方法。各种组卷方法各有优缺点．又由于实际问题的复杂性和数据的多样性．使得无论哪一种方法都只能解决某一类问题。因此，用户应该根据游戏装备具体问题具体分析．选择恰当的适合自己的组卷方法。参考文献：1张敏强．教育洲量学．北京：人民教育出版社．2001．2余有明．遗传算法的缡码理论与应用．计算机工程与应用，2006，42(3)：86-89贾艳萍．一种应用于负载均衡的模拟退火遗传算法．空军工程大学掌报。
2007(2)：59?624刑文训．现代优化计算方法北京：清华大学出版社。2005各种常见自动组卷方法的研究作者：林锡彬作者单位：汕头林百欣科技中专,广东汕头,515041刊名：福建电脑英文刊名：年，卷(期)：2010,26(3)参考文献(4条)1.刑文训现代优化计算方法20052.贾艳萍一种应用于负载均衡的模拟退火遗传算法2007(02)3.余有明遗传算法的编码理论与应用[期刊论文]-计算机工程与应用2006(03)4.张敏强教育洲量学2001。
上一篇：《Ｃ语言程序设计》精品课程网站论坛的建设
下一篇：刘亚楼险些断送辽沈战役
２型糖尿病患者心率变异与ＱＴ离散度的关系
２００６ＥＣＲ大会发言选登实现中国供应链现代化的三个硬件和一
ＢＭ串匹配算法与改进算法的研究
２００５年镜头回放
刘亚楼险些断送辽沈战役
２０们年第１期◇黔让你的数码影音作品显示拍摄时间
教授”本是一个兵
０５各种常见自动组卷方法的研究
ＡＮＳＩ－Ｃ语言的有界模型检测及其在硬件验证中的应用
ＢＢＳ跳蚤版的校园代理