国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

淺析考試系統(tǒng)中個性化組卷的實現(xiàn)方式

2019-03-07 05:22郁敏敏
電腦知識與技術 2019年35期
關鍵詞:遺傳算法

郁敏敏

摘要:考試的個性化最終體現(xiàn)在組卷的策略上。傳統(tǒng)的組卷策略是根據(jù)教師預先輸入的要求從題庫中抽取相應的題目。這種情況下,每個學生拿到的試卷都是一樣的,那么,考試的分數(shù)以及答題的情況就不能正確地反映出學生掌握知識的情況,也就不能給學生的學習做出正確的指導,考試就失去了它原本的意義。因此,本文從滿足學生考試個性化的需求出發(fā),淺析了考試模塊中利用了Agent技術實現(xiàn)的考試系統(tǒng)結構,并結合改良的遺傳算法,實現(xiàn)個性化組卷的方式。

關鍵詞:個性化組卷;Agent;遺傳算法

中圖分類號:TP393 文獻標識碼:A

文章編號:1009-3044(2019)35-0201-03

1 Agent技術

1.1Agent技術概述

分布式計算技術與人工智能技術相結合便產生Agent技術。其中,Agent指的是在分布式計算領域中能持續(xù)地、靈活地、自主地活動的計算實體,它具有以下的特征:

(1)Agent性:不是代表Agent自身而是代表用戶工作,它具有代表他人的能力。

(2)自治性:Agent具有某種控制自己的行為以及自身內部狀態(tài)的能力,即使在沒有外部事物或其他Agent直接干預的情況下也可運作。

(3)社會性:通過某種語言,Agent之間可交流信息;

(4)反應性:Agent可以根據(jù)周圍環(huán)境變化做出及時的響應;

(5)能動性:Agent可以接收某些啟動信息,行為目標化;

(6)智能性:Agent的智能性表現(xiàn)在預定義規(guī)則、自學習、智能推理等。

1.2Agent技術在因特網上的應用

1)信息服務

互聯(lián)網的信息服務產品中使用智能Agent技術,改善了信息服務質量和水平,也解決了信息服務中存在的兩個問題“信息過載”“信息迷向”。具體表現(xiàn)在:

(1)幫助用戶尋找需要的信息或此類信息的代替;

(2)根據(jù)互聯(lián)網上的信息資源為用戶提出的某方面問題答疑解惑;

(3)基于用戶需求搜索的信息中篩選出滿足條件的部分并以不同形式呈現(xiàn)給用戶,如全文摘要標題;

(4)給用戶呈現(xiàn)在網上的大量原始數(shù)據(jù)之中整理出來的能反映其中規(guī)律的知識。

這些方案的實現(xiàn)是因為智能Agent常駐于用戶服務器和數(shù)據(jù)庫服務器上。處于用戶服務器上的智能Agent會在分析用戶的需求之后,聯(lián)系相關數(shù)據(jù)庫服務器上的智能Agent,通過這些智能Agent去查找信息數(shù)據(jù)庫,然后把查找的結果反饋給用戶服務器上的智能Agent。最后,用戶會通過用戶服務器上的智能Agent看到最終整理檢索之后的結果。

2)管理網絡

管理服務器的工作是管理網絡。近年來隨著網絡技術的發(fā)展,網絡資源、網絡域名的迅速增加、網絡資源太過分散、客戶機與服務器的通信量陡增等因素,導致了僅僅只是管理服務器是沒有辦法很好地完成網絡管理任務。于是,在網絡中的每個資源處增加了智能Agent來幫助網絡管理,它不用考慮網絡資源的位置,監(jiān)控網上信息流量、自動選擇傳輸路由等。另外,學習功能也是智能Agent所具備的,可通過不斷的學習挺高網絡管理的水平。

3)電子商務

不管是Extranet還是Intranet,它們的多智能Agent是可以集成的,許多應用是通過多智能Agent共同合作才實現(xiàn)的。那么,電子商務其實就是多個智能Agent之間在互聯(lián)網上進行交易的應用。整個買賣過程是通過多個智能Agent的合作下完成的,不需要人與人之間直接交往。簡單來描述一下電子商務的過程:賣方智能Agent就是負責呈現(xiàn)推銷商品;買方智能Agent就是負責查看、選擇、購買商品。在買方智能Agent在線付款以及賣方智能Agent確認金額之后,送貨部門就開始給客戶送貨。

4)協(xié)同工作

企業(yè)內大型的信息處理任務都是有各部門人員通過網絡寫作完成。那么同樣,智能Agent技術也可將復雜的任務流程分為各個功能獨立的模塊,分配給具有相應能力的子智能Agent中進行處理。子智能Agent具有自主性且相互協(xié)商,它們可協(xié)調完成任務,不管所處理的任務資源是基于什么平臺采用什么格式開發(fā)的,也不用管資源處在網絡的哪個角落。

5)網上娛樂以及網上教育

虛擬現(xiàn)實可由智能Agent技術構造。智能Agent可構造虛擬人物和虛擬環(huán)境,比如就可以構造虛擬教室的環(huán)境中有虛擬的教師,虛擬草原上有虛擬的牛羊之類的。這種技術為網上教育提供豐富的教學手段,如考試、作業(yè)、答疑等;也增加了網上娛樂的形式與效果,如網上下棋、賽車、打仗等。

1.3在Agent技術支持下的考試體系結構

在Agent技術支持下的考試體系結構,如圖1所示。

1)首先,主Agent和組卷Agent在服務器中開始運行,監(jiān)視用戶請求是主Agent的工作,監(jiān)視組卷請求是組卷Agent的工作;

2)學生登錄進學習平臺,并進入考試模塊;

3)學生的考試請求被服務器中的主Agent接收并開始響應。學生模型是根據(jù)登錄學生的賬號信息查詢到的,接著組卷Agent會收到消息,要求接收學生模型和組卷要求;

4)組卷請求被組卷Agent接收之后,學生模型提供的信息被釋放,組卷Agent便會根據(jù)此信息抽取試題;

5)相應的試卷組成之后,生成試卷就被組卷Agent發(fā)給了主Agent;

6)考試所需信息由考試試卷、說明資料以及系統(tǒng)配置文件資料組成。主Agent把它們打包并加密生成之后載入到IMA(Intelligent Mobile Agent,智能移動代理),并移動到客戶機上;

7)IMA-進入客戶機,界面Agent便開始工作生成界面,考試說明文件以及系統(tǒng)配置文件會告知界面Agent生成包含哪些內容以及樣式的考試界面;

8)之后便開始考試,由考試過程Agent負責。內置的定時器開始計時,數(shù)據(jù)記錄器開始記錄,狀態(tài)檢測器觀察考試過程,它們相互配合監(jiān)視考試的過程。

9)考試過程結束之后,試卷評閱Agent開始工作。將數(shù)據(jù)記錄器中記錄的學生答案與數(shù)據(jù)包中的標準答案相互比對來評閱試卷,最后把結果記錄到學生模型中;

10)評閱工作結束后,成績回收Agent開始工作。結果回收Agent的任務是從學生模型庫中提取并綜合相應的成績和有關的信息,一起打包后放入IMA;

11)最后,IMA從客戶機移動到服務器上的過程中,有關數(shù)據(jù)被卸載,并在學生考試成績信息表中記錄結果。

由上述考試體系結構的流程說明中可以看出,各種類型的Agent都有自己明確的工作,各司其職的同時又相互協(xié)作。相關的Agent會在滿足條件的情況下進行工作并構成了一個有機的整體,從而順利地實現(xiàn)了考試模塊的功能。

1.4在考試模塊中利用Agent技術的優(yōu)勢

以往的在線考試系統(tǒng)中存在著一些不足,主要表現(xiàn)在系統(tǒng)的網絡傳輸效率比較低下、安全性功能不強、智能性不高等。但對于基于Agent技術的考試體系結構可完全克服這些不足。由于Agent本身就來源于分布式人工智能(DAI)領域,具有交互性,自主性,反應性,協(xié)作性等特征;而且Agent所具有的主動性,可以使系統(tǒng)的界面更加友好,向“所想即所得”方向發(fā)展;在多Agent系統(tǒng)中,Agent之間通過Agent通信語言進行交互,有效地降低了系統(tǒng)內各部分之間的依賴性,使系統(tǒng)的穩(wěn)定性大大增加;利用典型的移動Agent開發(fā)平臺(IBM Aglet系統(tǒng))可以設計實現(xiàn)考試模塊的功能。

2 遺傳算法的使用

2.1遺傳算法的概述

遺傳算法(Cenetic Algorithm),顧名思義,它是根據(jù)自然界中生物進化的規(guī)律而演變的一種尋求最優(yōu)解的搜索算法,它高度并行且具全局性,并且始終遵循著生物界優(yōu)勝劣汰、適者生存的競爭機制。它的主要特點是不限定求導與函數(shù)的連續(xù)性,直接操作結構對象;可以很好地在全局范圍內尋找最優(yōu)的解答;在尋優(yōu)的過程中,搜索空間可被自動獲取并被優(yōu)化,并且在環(huán)境變化的情況下自動的被修改等。在機器學習、自適應控制、信號處理和人工生命等領域都會運用到遺傳算法的這些性質。它是當今相關智能計算中的關鍵技術。

2.2算法原理及運算過程

執(zhí)行遺傳算法類似于模擬生物基因遺傳過程。首先,根據(jù)規(guī)則將“染色體”,進行二進制或其它進制編碼。然后在執(zhí)行遺傳算法之前,給出假設一群“染色體”,并將這些假設解放在問題所處的“環(huán)境”中,按照生物界優(yōu)勝劣汰與適者生存的原則,在每一代的演化過程中,會選擇適應度大小適合并通過遺傳算子的交叉、變異而產生的新的“染色體”的組合,成為問題解的新種群。以此往復,整個過程中后代的種群會比前代更加適應環(huán)境,就像自然進化一樣的。那么,在末代種群中的出現(xiàn)的最優(yōu)個體經過解碼操作之后,便可以看作是問題的最優(yōu)解。

在遺傳操作中,每代種群需要經過選擇算子、交叉算子以及變異算子的運算來進行演化,若滿足終止條件才能獲得最優(yōu)解,每個過程解釋如下:

1)選擇算子

選擇算子是從群體中篩選個體,選擇優(yōu)勝的,淘汰劣質的,將優(yōu)秀的個體傳人下一代再次進行演化。

2)交叉算子

在遺傳算法中,交叉算子是其核心作用。在交叉算子運算中,兩個父代個體的部分結構被替換重組,新個體便從中產生。

3)變異算子

變異算子指是把群體中的個體串上某些基因位上的基因值更改。不同的個體的變異有著不同的方式。

4)終止條件

當演化的新個體的適應度達到給定的值,或者演化的新個體的適應度和新群體適應度不會再上升的時候,或者迭代次數(shù)達到了預訂好的代數(shù)時,算法就會終止。

2.3遺傳算法的改良設計

1)染色體編碼及初始群體的設計

染色體在編碼時為了克服二進制編碼帶來的例如搜索空間大、編碼長度過長等一些問題,改為采用實數(shù)編碼方案。將一份試卷映射為一個染色體,組成該試卷的每道題的題號作為基因,基因的值直接用試題號表示,每種題型的題號放在一起,按題型分段,在隨后的遺傳算子操作時也按段進行,保證了每種題型的題目總數(shù)不變。這種編碼方式避免了非法解的產生并取消了個體的解碼時間,提高了求解速度。

試卷初始種群不是采用完全隨機的方法產生,而是根據(jù)總題數(shù)、題型比例、總分等要求隨機產生,使得初始種群一開始就滿足了題數(shù)、總分等要求。這樣加快遺傳算法的收斂并減少迭代次數(shù)。

2)適應度函數(shù)的設計

在遺傳算法中,以適應值大小來區(qū)分群體中個體的優(yōu)劣。適應度函數(shù)反映了染色體與組卷要求之間的差別,是區(qū)分優(yōu)劣個體的一個工具,是指導遺傳算法工作的主要信息來源。一般情況下適應值越大的個體越好,適應值越小的個體越差。一個好的適應度函數(shù),可以適當?shù)貐^(qū)分優(yōu)劣個體,使優(yōu)秀的個體不至于擴散太快,差的個體不至于很快消失,有利于保持群體的多樣性,可以有效地防止群體的早熟。

3)遺傳算子的設計

(1)選擇算子。選擇算子的作用在于根據(jù)個體的優(yōu)劣程度決定它在下一代是被淘汰還是被復制。通過選擇,將使適應度高的個體有較大的生存機會。可以采用輪盤賭方法,它是目前遺傳算法中最常用也是最經典的選擇方法。

(2)交叉算子。在遺傳算法中,交叉操作是非常必要的,一方面可以使得優(yōu)良個體在一定程度上能夠保持,另一方面可以探索新的基因空間,從而使群體具有多樣性。交換是兩個個體按照一定的概率(交換概率為Pc)從某一位開始逐位互換。先在群體中隨機地選擇兩個個體然后在每對個體中隨機地選擇一個交換點。將以上選出的個體進行兩兩隨機配對,對每一對相互配對的個體采用有條件的“均勻交叉”,即兩個配對個體的每一個基因座上的基因都按設定的交叉概率P。進行交換產生兩個新個體,條件是這兩個新個體仍然是有意義的組合。

(3)變異算子。變異是保證群體多樣性的一種手段,變異操作是針對單個染色體的操作,根據(jù)變異概率Pm有條件的選擇一個基因進行變異,由于普通的變異操作可能會使各題型的題目數(shù)難以保證,也會使用戶指定范圍外的題目出現(xiàn)在染色體中,針對這種情況,可以采用有條件的變異算子,即每個個體的每一個基因座上的基因都按設定的變異概率Pm在一定范圍內變異,此范圍是指:與該基因題型相同,但是知識點與該基因所在的染色體上的其他題的知識點不重復。

2.4遺傳算法的優(yōu)勢

遺傳算法的搜索過程不是直接作用在問題的變量上,而是作用在將變量編碼后的字符串上,所以遺傳算法是一種間接的優(yōu)化方法而非直接的優(yōu)化方法;它可以同時搜索解空間內的多個區(qū)域,具有內在并行性;遺傳算法具有自適應、自組織、自學習等特征。這些良好的特性使得遺傳算法不僅具有良好的通用特性,而且能獲得較高的效率,故應用廣泛。另外,改進的遺傳算法執(zhí)行速度快、效率高,將其用于組卷系統(tǒng)能組成更適應學生實際知識掌握水平的試卷,從而達到組卷的個性化。

3 結束語

總之,在考試測驗模塊中,利用了Agent技術配合優(yōu)化的遺傳算法來實現(xiàn)組卷功能,并能根據(jù)學生自身的情況生成適合的試卷增加了考試的個性化,從而更深入地體現(xiàn)了課程學習平臺的為學生學習服務的設計宗旨。

參考文獻:

[1]易燦.基于移動Agent的智能在線考試系統(tǒng)的設計與實現(xiàn)[J].計算機光盤軟件與應用,2013,16(231):270-271.

[2]劉洋.遺傳算法在考試系統(tǒng)中組卷算法的研究與設計[J].湖南城市學院學報:自然科學版,2013,22(1):75-78.

【通聯(lián)編輯:光文玲】

猜你喜歡
遺傳算法
遺傳算法對CMAC與PID并行勵磁控制的優(yōu)化
基于自適應遺傳算法的CSAMT一維反演
基于遺傳算法的建筑物沉降回歸分析
一種基于遺傳算法的聚類分析方法在DNA序列比較中的應用
基于遺傳算法和LS-SVM的財務危機預測
遺傳算法識別模型在水污染源辨識中的應用
協(xié)同進化在遺傳算法中的應用研究
軟件發(fā)布規(guī)劃的遺傳算法實現(xiàn)與解釋
基于遺傳算法的三體船快速性仿真分析
基于改進的遺傳算法的模糊聚類算法