摘要: 随着互联网和计算机技术的发展，教育领域与计算机技术更加紧密地结合，越来越多的教学内容正在电子化和网络化，在教学活动中一直扮演重要角色的考试环节也发生了巨大的变化，使用计算机化的考试系统可大大缩短考试周期，减少教师重复劳动，提高工作... 展开 随着互联网和计算机技术的发展，教育领域与计算机技术更加紧密地结合，越来越多的教学内容正在电子化和网络化，在教学活动中一直扮演重要角色的考试环节也发生了巨大的变化，使用计算机化的考试系统可大大缩短考试周期，减少教师重复劳动，提高工作效率。而其中的智能组卷系统能提高试卷质量，增加考试的科学性和客观性。 在智能组卷系统中，一个非常重要的课题是怎样在已生成的试题库中根据教师和教学的要求自动生成试卷。目前已经出现了多种算法用于自动组卷，有优先权算法、随机抽取算法、回溯试探算法、遗传算法等，这些算法在大解空间、多峰值的问题上往往容易陷入局部最优或算法复杂度过高。 论文首先分析了试卷的评价指标、各项指标的作用及几个重要指标间的关系。在此基础上采用各种指标的加权和构建了组卷的总体评估函数。 然后针对传统遗传算法的后期搜索效率低并极易出现未成熟收敛的情况，提出了一种渐进式遗传算法，该算法包括了组卷策略、编码方案、适应度函数的确定，选择交叉变异算子及遗传算法的实现等。并将混沌理论引入到遗传算法的交叉操作和选择操作中。通过实验对渐进式遗传算法的全局搜索性能、效率和有效性进行了验证。实验表明，进式的遗传算法在全局搜索性能及收敛速度上较传统遗传算法有显著提高。 论文最后采用C#和Access数据库，设计并实现了相应的基于渐进式遗传算法的组卷软件，并且进行了大量组卷测试。测试结果表明渐进式遗传算法组卷速度快，组卷质量较好，组卷成功率也高于传统遗传算法，该算法是合理、有效的。 收起