ترجمه کامپیوتر- 8 صفحه
سال 2012
Test Paper Generating Method Based on Genetic Algorithm
روش ایجاد برگه امتحانی مبتنی بر الگوریتم ژنتیک
Li Yan - Li Shuhong - Li Xiurong
http://www.sciencedirect.com/science/article/pii/S221267161200087X
دانلود رایگان مقاله انگلیسی - روش ایجاد برگه امتحانی مبتنی بر الگوریتم ژنتیک
چکیده
تحصیل پیوسته برای افرادی که مدرسه را رها کرده تا بتوانند کارکنند و مهارتی کسب کنند اهمیت بسیاری دارد.به منظورجلوگیری از اشتباهاتی که در روش های گردآوری آزمون هایی که بر روی کاغذ گرفته می شدالگوریتم ژنتیک به وجود آمد. در این مقاله به برخی از پارامترهای مربوط به مقایسه وتعریف در زمینه الگوریتم ژنتیک خواهیم پرداخت.نتایج بدست آمده نشان دهنده این است که الگوریتم ژنتیک یک ابزارموثر در در آزمون های مکتوب تولید شده بشمار می رود.
Abstract
The continuation education is very important for people who have left school to work to increase their competence and skills. To avoid the disadvantages of the common test paper generating methods, genetic algorithm is used to generate the test paper automatically. The concrete design process of test paper generating based on genetic algorithm is discussed in this paper, and some corresponding parameters setting have been compared and defined. The application results demonstrated that the genetic algorithm was an effective tool in the test paper generating.
Keywords
Continuation education; Test paper generating; Genetic algorithm; Genetic operator
References
J.D. BagleyThe behavior of adaptive systems which employ genetic and correlation algorithmsDissertation Abstracts International, 28 (12) (1968)
D.E. GoldbergGenetic Algorithm––In Search. Optimization andMachine LearningAddison Wesley, New York (1989)
C.A. Murthy, N. ChowdhuryIn search of optimal clusters using genetic algorithmPattern Recognition Lett., 17 (1996), pp. 825-832
ArticlePDF (624KB)
Yu Xiaoqiang, Liu Bai, Yiwu. XieStrategy and realization of auto-generating paper based on genetic algorithmMicroelectronics and Computer, 23 (12) (2006), pp. 189-191
J.R. KozaGenetic Programming II: Automatic Discovery of Reusable ProgramsMIT Press, Cambridge (1994)
W. Banzhaf, P. Nordin, R. Keller, F. FranconeGenetic Programming––An IntroductionMorgan Kaufmann Publishers Inc, San Francisco and dpunkt Verlag, Heidelberg (1998) 330–334
D. Abramson, J. Abela, A parallel genetic algorithm for solving the school timetabling problem, in: Proceedings of the Fifteenth Australian Computer Science Conference (ACSC-15) 14, 1992, 1-11.
E. Sven, EklundA massively parallel architecture for distributed genetic algorithmsParallel Computing., 30 (2004), pp. 647-676
D. Abramson, G. Mills, S. Perkins, Parallelization of a genetic algorithm for the computation of efficient train schedules, Proceedings of the 1993Parallel Computing and Transputers Conference, 1993, 139-149.
R. Dybowski, P. Weller, R. Chang, V. GantPrediction of outcome in critically ill patients using artificial neural network synthesised by genetic algorithmLancet, 347 (1997), pp. 1146-1150
R.E. Dorsey, W.J. MayerGenetic algorithms for estimation problems with multiple optima, nondifferentiability and other irregular featuresJournal of Business and Economic Statistics, 13 (1995), pp. 53-66