php遗传算法智能组卷（遗传算法 组卷）

今天给各位分享php遗传算法智能组卷的知识，其中也会对遗传算法 组卷进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

微信号：cloud7591
如需了解更多，欢迎添加客服微信咨询。
复制微信号

本文目录一览：

• 1、用php怎么实现手动组卷功能？
• 2、推荐一套在线考试系统
• 3、组卷算法有哪几种？
• 4、高分请求高手帮忙翻译一个摘要！（不要自动翻译）
• 5、使用java来实现在智能组卷中的遗传算法（急急急）
• 6、遗传算法原理简介

用php怎么实现手动组卷功能？

不同题型分别建表，表里每一行数据包含一条试题和该试题所运漏占分值，有标准答案的另外建对应答案表来进行自动批改。

选题的时候就是从数据库查出题目核仔乱分值，选择后分值进行累加。

其实你自己需求已经写的蛮旁戚烂清晰的了，细节的地方再想想应该就可以了

推荐一套在线考试系统

一个好的在线考试系统，应该能完成题卷管理、考生管理、考务管理、在线网考、云端监考、网上阅卷、成绩统计、成绩分析等全流程在线考试工作，能够在打破考场边界问题，满足远程在线在家考试需求的同时，确保考试的高效、稳定、安全、便捷以及公平公正。对于一些高校等会进行高利害考试的单位来说，在线考试系统的保密性也尤为重要。

关于在线考试系统的功能，具体可以参考以下几点：

1.制题组卷

（1）题库管理：强大题库管理，支持全试题模型（文字、图片、表格、公式、音频等），单题/批量录入，在线/离线录入，录入、编辑、审核、组卷、检索操作简单，试题与成绩关联，记录试题版本和使用次数等。

（2）智能组卷：手动组卷/自动组卷，单套/批量组卷，可按题量、分数、题型结构、知识结构、难度系数等多重模式组卷，简单组卷、精确组卷、蓝图组卷。

（3）高效输出：试题试卷可预览、可修改、可导出，可一体化输出线下印刷，也可联通线上网考。

2.在线考试

（1）360°智能监考：精准识别环境异常、照片/真人替考、虚拟摄像头等；本地环境监控，屏键锁定、热键屏蔽、远程协助工具屏蔽；人脸识别，身份认证，活体检测，考中抓拍；高中低三档监考策略；考中可通话、可求助；视频监控，手机监控差祥，双机位监考；云端巡考，监控大屏鸟瞰实时考场；AI监考，智能预警；作弊排查，违规记录存底可追溯。

（2）防泄题防作弊：考生端远程监测，随机抽题，小题乱序，选项乱序，一人一卷。

（3）功能稳定：集中统考、随到随考，随机组卷，支撑安全稳定的高并发考试。

（4）故障防备：考中异常中断，作答实时保存，实现带庆誉断点续考。

（5）统计分析：统计考试的总人数、参考/缺考/及格蠢段人数、考试排名等多维度信息。

3.网上阅卷

（1）在线管理：阅卷进度、阅卷质量全监管，监管与阅卷线上协同，科学化管理。

（2）高效阅卷：客观题自动判分，主观题在线评阅；键盘给分、鼠标给分、轨迹给分；智能回评、问题卷提交；可看标答；评卷轨迹可追溯，复核可定义题位；自动加分、登分、统计。

（3）统计分析：题目得分、题类得分；平均分、最高最低分、得分率、标准差；其他统计指标。

（4）信息查询：查询考生答卷信息（答题、得分、评分等）；查询阅卷进度、分科目阅卷进度、老师阅卷情况等。

在线考试系统具体功能还有很多，可根据实际情况和场景需求自行选择。

组卷算法有哪几种？

目前有三种：

1. 随机选取法：根据状态空间的控制指标，由计算机随机的抽取一道试题放入试题库，此过程不断重复，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。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组卷过程来说组卷成功率低，即使组卷成功，花费敬歼时间也令人难以忍受。尤其是当题库中各状态类型平均出题量较低时，组卷往往以失败而告终。

2. 回溯试探法：这毕稿判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，但是在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，而且选取试题缺乏随机性，组卷时间长，后两点是用户无法接受的，因此它也不是一种很好的用来自动组卷的算法。

3. 遗传算法：是一种并行的、能够有效优化的算法，以morgan的手改基因理论及eldridge 与gould间断平衡理论为依据，同时融合了mayr的边缘物种形成理论和bertalanffv一般系统理论的一些思想，模拟达尔文的自然界遗传学：继承（基因遗传）、进化（基因突变）优胜劣汰（优的基因大量被遗传复制，劣的基因较少被遗传复制）。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间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：selection，crossover，mutation……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，得到问题的最优解。

高分请求高手帮忙翻译一个摘要！（不要自动翻译）

Modern Distance Education along with the development of modern information technology and produce a new type of education model is to build a knowledge-based economy era people lifelong learning system the principal means. Web-based distance education system can give full play to the network in the teaching of advantages, and demonstrate to students as the main body, led teachers, students build full participation and independent learning environment, and other modern educational thinking. With the continuous development of computer technology, online distance education are more widely used, and online education and online examination is one of the applications. "Web-based distance learning system" is based on the B / S development of the typical management information system, it easy to use, simple operation, a wide range of applications.

"Web-based distance learning system," including online education and on-line examination of two subsystems, which include online teaching subsystem module students and teachers. Students can self-teaching in the Notice here for news operations available to teachers correcting in the room by answering questions; can chat with teachers and students to discuss the issue. Teaching teachers can be released to students including lesson plans; teachers can function notice issued by the notice of the operation, students need to work through upload handed over to the way teachers work under completion rate for each assignment; students In answering a question by the function realization. Online Examination subsystem, including back and future management module management module two modules. Manage modules module only administrator (teachers) users. Administrators can question bank (including the judge that, in multiple-choice and Chenkongdi) to add, delete, modify, and other operations. If the current view of the administrator can not meet the requirements provided in the existing conditions can search query information. Not only can the planning papers Questions, scores of conduct to create, modify and delete operations, and the examination results can be carried out enquiries, according to the actual situation on the Examination qualified students with the approval Examination, students can also find and delete resources. Management Module prospects open to students. Students of the past, users can browse their academic performance, can also participate in the examination, on the creation of the papers in the subject answered. Answer completed, the system automatically calculate the correct answer control database scores, and results submitted to the library

In this paper, a Web-based distance education system architecture and design, which focused on the online examination system into a certain volume of the in-depth study. Implementation of a Web-based distance education system some of the main function, has a Web-based distance education system for example.

In this paper, the Web-based distance education system needs analysis and feasibility were discussed, and then the analysis of the system architecture is the design of the whole system and the detailed design. And the examination of the computer on-line system as volumes were discussed Finally, the Intelligent Answering System conducted a preliminary analysis and discussion.

Keywords: Modern Distance Education System, B / S, genetic algorithm, Intelligent Test Paper

Papers type: software development

使用java来实现在智能组卷中的遗传算法（急急急）

题目好像是让你做个增强版的List ，简单的都实现了 程序架子大概是这样，排序查找什么的百度搜下 算法很多，套着每样写个方法就行了，测试就在main‘方法里写

public class MyList {

    private String[] arr;

    private int count ;

    public MyList (int count){

        arr = new String[count];

 知雹尘       this.count = count;

    }

    public MyList (int[] intArr){

        arr = new String[intArr.length];

        this.count = intArr.length;

        for(int i=0;iintArr.length;i++){

            arr[i] = intArr[i]+"";

        }

    }

    public MyList (String[] stringArr){

        arr = stringArr;

        this.count = stringArr.length;

    }

    public int getLength(){

        return count;

    }

//清空容器内肆卜的数组。

    public void clearAll(){

        arr = new String[count];

    }

//通过给定元素下标来删除某一元素

    public void removeBySeqn(int seqn){

 搭禅       if(seqn = 0  seqncount){

                    arr[seqn] = null;

        }

    }

public static void main(String[] args){

    MyList  list = new MyList (40);

    MyList  list1 = new MyList ({3,2,125,56,123});

    MyList  list2 = new MyList ({"123",""ad});

    list2.removeBySeqn(0);

    list1.clearAll();

}

}

遗传算法原理简介

遗传算法（Genetic Algorithm, GA）是一种进化计算（Evolutionary Computing）算法，属于人工智能技术的一部分。遗传算法最早是由John Holland和他的学生发明并改进的，源于对达芬奇物种进化理论的模仿。在物种进化过程中，为了适应环境，好的基因得到保留，不好的基因被淘汰，这样经过很多代基因的变化，物种的基因就是当前自然环境下适应度最好的基因。该算法被广泛应用于优化和搜索中，用于寻求最优解（或最优解的近似），其最主要的步骤包括交叉（crossover）和突变（mutation）。

所有的生物体都由细胞组成，每个细胞中都包含了同样的染色体（chromosome）。染色体由一串DNA组成，我们可以简单地把一个生物个体表示为一条染色体。每条染色体上都包含着基因，而基因又是由多个DNA组成的。每个基因都控制着个体某个性状的表达，例如眼睛的颜色、眼皮的单双等。在物种繁衍的过程中，首先发生交叉，来自于父母的染色体经过分裂和重组，形成后代的染色体。之后，后代有一定概率发生基因突变，即染色体上某个位置处的基因以一定概率发生变化。之后，对每一代都重复进行交叉和突变两个步骤。对于每一个后代，我们可以通过一定的方式测量其适应度。适应度越好的个体，在下一次交叉中被选中的概率越大，它的基因越容易传给下一代。这样，后代的适应度就会越来越好，直到收敛到一个稳定值。

在优化问题中，可行解总是有很多个，我们希望寻找一个最优解，它相对于其他可行解来说具有更好的适应度（即目标函数值更大或更小）。每个可行解就是一个“生物个体”，可以表示为状态空间中的一个点和适应度。每个解都是一个经过编码的序列，已二进制编码为例，每个解都是一个二进制序列。这样每个染色体就是一个二进制序列。遗传算法从从一组可行解开始，称为population，从population中随机选择染色体进行交叉产生下一代。这一做法的基于下一代的适应度会好于上一代。遗传算法的过程如下：

终止条件可以是达到了最大迭代次数，或者是前后连续几代的最优染色体的适应度差值小于一个阈值。以上算法描述也许还不够直观，我们举例说明。假设解可以用二进制编码表示，则每个染色体都是一个二进制序列。假设序列长度为16，则每个染色体都是一个16位的二进制序列：

首先，我们随机生成一个population，假设population size为20，则有20个长度为16的二进制序列。计算每个染色体的适应度，然后选取两个染色体进行交叉，如下图所示。下图在第6为上将染色体断开再重组，断开的位置是可以随机选择的。当然，断裂位置也可以不止一个。可以根据具体问题选择具体的交叉方式来提升算法性能。

之后，随机选取后代染色体上某个基因发生基因突变，突变的位置是随机选取的。并且，基因突变并不是在每个后代上都会发生，只是有一定的概率。对于二进制编码，基因突变的方式是按位取反：

上述庆戚携例子是关于二进制编码的，像求解一元函数在某个区间内的最大最小值就可以使用二进制编码。例如，求解函数f(x)=x+sin(3x)+cos(3x)在区间[0,6]内的最小值。假设我们需要最小值点x保留4位小数，那么求解区间被离散成60000个数。因为2 {15}600002 {16}，所以，需要16位二进制数来表示这60000个可能的解。其中0x0000表示0，0x0001表示0.0001，以此类推。针对这个例子仔派，文末给出了demo code．

然而，在排序问题中无法使用二进制编码，应该采用排列编码（permutation encoding）。例如有下面两个染色体：

交叉：随机选取一个交叉点，誉伏从该出将两个染色体断开。染色体A的前部分组成后代1的前部分，然后扫描染色体B，如果出现了后代1中不包含的基因，则将其顺序加入后代1中。同理，染色体B的前部分组成了后代2的前部分，扫描染色体A获得后代2的后部分。注意，交叉的方式多种多样，此处只是举出其中一种方式。

( 1 5 3 2 6 | 4 7 9 8) + ( 8 5 6 7 2 | 3 1 4 9) = ( 1 5 3 2 6 8 7 4 9) + ( 8 5 6 7 2 1 3 4 9)

突变：对于一个染色体，随机选中两个基因互换位置。例如第3个基因和倒数第2个基因互换：

(1 5 3 2 6 8 7 4 9) = (1 5 4 2 6 8 7 3 9)

此外还有值编码（value encoding）和树编码（tree encoding）等，具体例子可以参考这个链接：

在实际的遗传算法中，往往会保留上一代中的少数几个精英（elite），即将上一代population中适应度最好的几个染色体加入到后代的poulation中，同时去除后代population中适应度最差的几个染色体。通过这个策略，如果在某次迭代中产生了最优解，则最优解能够一直保留到迭代结束。

用GA求函数最小值的demo code：

参考资料 ：

[1] Introduction to Genetic Algorithm,

[2] Holland J H. Adaption in natural and artificial systems

关于php遗传算法智能组卷和遗传算法 组卷的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。