-
文献综述
（一）国内外研究现状
组卷问题是一个在多重约束条件下求解最优组合的问题，组卷的质量和效率在很大的程度上依赖于组卷算法的设计。为了保证生成的试卷能最大程度的满足用户的需要，如何设计一个算法从大量的试题库中既快又好的抽出一组最符合教师组卷要求的试卷，涉及到一个全局寻优和收敛速度快慢的问题。国内外的许多学校机构、科研单位都对组卷系统进行了研究。
在国外：一些教育相对发达的国家在试题库建设方面起步较早，他们对试题库理论和模型进行了大量的研究，建立了一些大型的试题库考试系统，如美国的TOEFL,GMAT考试计算机系统，研究生入学考试系统（GRE），新加坡的化学标准化考试计算机系统等。
国内试题库建设起步较晚：计算机辅助英语设计系统、高等数学试题系统MATBAS、大学工科物理试题库(PBICS)、教育部高等教育司的重点项目“基于知识的成卷系统通用外壳软件” 等系统。
（二）研究主要成果
组卷系统作为网络教学的一项重要手段，发挥了很大的作用，目前的组卷算法主要有三种：（1）随机算法为主的自动组卷系统，（2）回溯试探法为主的智能组卷系统，（3）人工智能信息预处理为主的智能组卷系统。
基于随机算法的自动组卷系统是最早出现的系统，它采用随机算法从题库中随机抽取一定数量的试题构成试卷。基于随机选取的组卷系统结构简单、组卷快速，但是缺点较多，例如试题组成不合理，且只能适用于题库中的试题结构相似、组卷要求低的使用范围，不能满足要求较高的教学实践中的组卷要求。如果将这样的系统运用到高质量的组卷任务，为了满足用户提出的各种要求系统将不得不进行大量的随机选取、判断、抛弃、再选取的重复过程，增大了系统的消耗同时也降低了效率。
为了改进基于随机组卷算法的组卷系统，出现了利用回溯算法的组卷系统。回溯试探法是将随机选取法产生的每一状态类型纪录下来，当搜索失败时释放上次纪录的状态类型，然后再依据一定的规律(正是这种规律破坏了选取试题的随机性)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出发点为止。这种有条件的深度优先算法，对于状态类型和出题量都较少的题库系统而言，组卷成功率较好。缺点是实际到一个应用时发现这种算法对内存的占用量很大，程序结构相对比较复杂组卷时间教长。本设计采用改进后的回溯算法设计组卷系统。
遗传算法是模拟生物进化的自然选择和遗传机制的一种寻优算法，具有智能搜索技术和自适应全局寻优，并且具有非常好的收敛性，因此近年来一些研究学者针对利用遗传算法解决计算机自动组卷问题展开了大量的研究。现在对遗传算法的改进研究也较多，主要是解决遗传算法的早熟现象，基于迁移和人工选择方案和混合遗传策略方案的搜索性问题；遗传算法与其他算法相结合也有很大的进展，包括遗传算法与模糊集结合，与混沌相结合，与神经网络相结合，形成了各具特色的算法与实现方案。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
