期刊文献+

改进量子行为粒子群算法智能组卷策略研究 被引量:11

Study on Intelligent Test Paper Generation Strategy through Improved Quantum-behaved Particle Swarm Optimization
下载PDF
导出
摘要 提出一种求解智能组卷问题的改进量子粒子群算法。首先,通过定义粒子进化速度及粒子聚集度,将惯性权重表示为粒子进化速度和粒子聚集度的函数,使惯性权重具有自适应性。其次,将慢变函数引入传统位置更新公式中,以有效地解决陷入局部最优解的问题。最后,根据项目反应原理对组卷问题进行数学建模。仿真实验表明,与标准粒子群算法和量子粒子群算法相比,所提算法在组卷成功率和组卷效率方面均具有更好的性能。 One improved Quantum-behaved particle swarm optimization for intelligent test paper generation was put forward.First of all,inertia weight is expressed as functions of particle evolution velocity and particle aggregation by defining them.Secondly,slowly varying function is introduced into the traditional position updating formula to effectively overcome the problem of getting into the local optimal solution.Finally,mathematical modeling is set for test paper genera-tion problems based on item response theory.Simulation results show that,comparing with the standard particle swarm optimization algorithm and quantum particle swarm algorithm,the proposed algorithm is of better performance in the success rate and efficiency of test paper generation.
出处 《计算机科学》 CSCD 北大核心 2013年第4期236-239,共4页 Computer Science
基金 山西省自然科学基金(2012011011-3) 国家自然科学基金项目(61004127)资助
关键词 量子行为的粒子群优化算法(QPSO) 自适应 惯性权重 慢变函数 项目反应理论(IRT) 智能组卷 Quantum-behaved particle swarm optimization Self-adaptive Inertia weight Slowly varying function Item response theory(IRT) Autogenerating test paper
  • 相关文献

参考文献12

二级参考文献81

共引文献63

同被引文献65

引证文献11

二级引证文献18

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部