题库智能组卷算法与优化
摘 要：随着现代信息技术快速发展，一种基于网络和多媒体技术的网络教育形式应运而生，师生们凭借着网络教学平台享受到各种不同的教育资源。网络视频教学平台在国内得到了大力的发展，慕课，网易公开课等受到了大家热烈的关注。但是国内外对于网络教学的配套系统发展力度不大，就拿题库系统来说，现在国内的题库系统局限性比较大，相对于组卷更多的题库是类似于试卷集的形式储存的，无法做到自由组合，且约束条件比较少，应用面窄，缺乏一定的灵活性和便利性。本文结合国内外先有的对题库组卷系统的研究现状，概括了几种智能组卷算法的基本原理，对未来算法优化的展望。
关键词：题库系统；智能组卷；遗传算法；多约束组卷；随机组卷算法
- 前言
当今社会信息化的高度的发展，信息产业化的多样化，教育系统的变革和无纸化也在快速进行着。考试是整个教学过程中的关键阶段，在评估学生的能力和学习效果方面起着重要作用，对老师来说也是衡量学生教学效果的有效方法。面对试题要求的多样化和出题简便化，智能组卷系统收到了大家的密切关注，所谓自动组卷就是根据组卷策略指定的约束条件，从题库中随机抽取出试题，从而取代人工选题的过程．自动组卷的核心问题之一就是设计良好性能的组卷算法．由于组卷约束条件之间的相互牵制以及试题库题量的限制，要生成一份符合要求的试卷不是一件容易的事件。
- 国内外研究现状
国外的计算机信息网络系统研究起步早，教育信息化及在线考试系统得到了快速及广泛的发展和应用。上个世纪七十年代起，美国考试委员会就在计算机模拟考试领域开始了相关的研究和工作，在 1983 年研制出了有效的模拟考试系统，名为计算机辅助考试系统（CBD）。现使用计算机考试系统比较有名的有美国的TOFEL 考试，在全球范围内，都可以通过国际互联网进行网考。随着互联网技术的日益成熟，在线考试系统的应用也十分广泛，包括剑桥大学考试委员会和欧洲语言测试联合会为主导研发的博思职业外语水平测试系统（BULATS）、美国的思而文学习系统、NEC 在线考试系统，以及众所周知的 GRE（美国研究生入学考试）、微软认证考试等实现了互联网实施考试全过程。可以看出国外在构建新的考试模式方面的努力，由传统教学模式向信息化教学模式的积极转变。
国内计算机信息技术发展起步较晚，相对于国外而言，国内在网络教育考试发展方面仍然存在一定的差距。但是近些年来，国内高校在试题库、智能组卷、自动评分技术等方面的研究取得了很多成果。基于不同应用需求的背景下，产生了许多成功的在线考试系统管理软件，比如：全国计算机等级考试、全国计算机信息高新技术考试、NIT（全国计算机应用技术证书考试）等在线考试系统，以及 ATA 考试中心，这是由中国最大的教育和考试服务供应商，也是中国智能化考试服务的创始者的 ATA 公司建立的，目前该公司已经在全球一百多个国家设计了七千多个考试服务机构。在线考试系统在我国高校中也是应用广泛，尤其计算机基础课程考试方面的应用，很多高校都放弃传统纸质考试模式。但是，相对于国外成熟的产品而言，国内的一些在线考试系统也存在不足，例如通用性差、功能不足、可扩展性差、系统后期维护困难等缺陷。另外，大多数的在线考试系统只是针对选择题、填空题等客观题的自动评分，而对于主观题的自动评分的实现存在困难，操作题的自动评分也是一个难点问题。在自动组卷方面，很多系统缺少自动组卷功能，试题的选取以及试卷的编制仍然需要人工手动制定，或者系统组卷算法设计过于简单，生成的试卷质量低，组卷结果并不理想。
- 组卷算法
目前常规的组卷算法有随机抽题法、回溯试探法、多约束求解方法以及应用遗传算法、蚁群算法、粒子群算法、鱼群算法等人工智能算法 。随机抽题法根据预定的组卷指标，不断从试题库中随机抽取试题加入试卷中，直到组卷完成。该方法简单，但成功率低。回溯试探法判断随机抽取的试题是否满足约束条件，如满足则继续向前搜索，并保存当前状态，否则返回前一个状态，重新向前搜索试探，直到生成完整试卷或回到出发点为止。该方法耗时长，需要大量内存空间，很难在短时间内生成重合度比较小的多套试卷。遗传算法将试卷多种约束转化为多目标函数，利用适应度值来指导搜索方向。该算法在进行交叉和变异的过程中，容易形成不合理的试卷，效率和成功率都不高。蚁群算法是一种利用正反馈机制的优化算法，寻优能力强，但搜索时间长，易出现停滞现象。粒子群算法和鱼群算法在迭代过程中，会产生大量不满足约束的解，效率较低。接下来详细介绍目前主要流行的几种组卷算法。
１.随机组卷法
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。
