基于遗传算法的随机优化搜索 怎样写文献综述？

文献综述是在论文撰写前期根据自己的研究方向，研究领域，通过搜索查看知网CNKI(期刊、博硕论文、报纸、会议等数据库)、维普期刊全文数据库、万方（学位、会议论文）、国研网等文献数据库阅读一定量的文献后的分析与总结后的文档。

目前主流的中文数据库

外文文献数据库

在校的学生可以通过本校图书馆访问以上数据库，一般都是自己在学校图书馆ID或者连接校园网便可访问。

在大量阅读文献便可以着手文档编写，

文献综述一般分为以下五部分：

研究背景

研究意义

研究现状

评述与总结

以下为示例文档（本人编写，如有不足请指出）

一、研究背景

互联网的兴起带动了远程教育的快速发展，随着教育行业的转型升级，传统的线下考试有一部分改变为现在便捷的线上考试。又由于新型冠状病毒疫情的频繁爆发，以往的部分纸质化考试方式将被现在的线上考试所替代。当今各高校急需使用互联网这种最新发展的现代信息技术手段来有效实施智能无纸化考试，以便有效减少监考教师们繁重的监工作量，并且大幅提升考试效率。与此同时研发者对系统软件进行升级和维护，以便于智能考试系统[1]的平台更加的公平、公正。对于考生而言，能够掌握大量的学习题库和巩固所学理论知识，而对于教师而言,也能随时随地进行线上阅卷或者发布试题任务，以上的诸多原因将成为智能考试系统研发的主要因素，它的功能优越性在于，打破了传统考试时间和定点的不变性以及考试模式单一性，为教育行业做出应有的贡献。

二、研究意义

进行智能组卷试题库系统的开发是势在必行的，使用智能组卷系统，可以有效地减轻教师的工作压力，提高教学质量和水平，而试题库系统中大量的试题，出卷后还可以保证学生考试的科学性和公平性，进而真实的体验学生的学习效果。随着线上考试人数规模的增加，智能考试的公平性与公正性愈发显得格外重要，对于试题难度的把控以及自动组卷的合理性来言，普通的自动组卷算法已经不能满足其需求，因此本课题采用较为先进的遗传算法[2]对智能考试系统的组卷功能进行优化[3]，使其在考试过程中更加合理。

三、研究现状（一）在线智能题库系统研究现状

在世界范围内，随着计算机应用技术的发展，在线考试系统被不断的研发，科研爱好者和专家学者对于题库的理论建设也在不断进行深入的探索，可用于实践操作的智能考试系统雏形正在不断涌现。20 世纪末，美国首先运用了在线考试相关技术并初步简单的形成了考试系统。而现在世界上已有百国以上正在使用流行于市场上的符合各个行业领域的在线考试系统[4]，并已经展开了线上考试这一流行的考试方式。例如托福和雅思考试在 2020 年由线下转变为线上考试。与此同时，诸多邻国也开展了线上考试。在去年，雅思考试已经在全球范围内推行线上考试。以这种趋势来看，线上考试将会成为常态化的一种考试模式。除雅思托福以外，从事教育职业的教师和管理人员使用的通用考试系统软件也有一定的研究和推广。例如英国的基于项目理论的 Question Mark，为广大教师提供在线考试管理服务[5]。实际上，线上考试教育不仅可以检测学生的学习情况，在疫情频发的今天，也可供大型企业在招聘或员工考核。

在我国，智能考试系统以及试题试卷题库管理的综合研究和研发速度较慢。尽管如此，但是如今在这些方面的发展不容小觑，研发的活动也在不断增多，发展也比较迅速。在题库、考试系统的研发以及教育测量研究方面均有高校教师参与，目前国内许多研究学者对在线试题管理系统进行了研究与设计，如2018年戴超等人利用 Django Web 框架并采用 Postgre SQL 数据库设计了具有试卷管理与题库管理的智能题库系统；卜明磊以HUSTOJ 平台设计了试题与组卷管理等多功能为一体的高级语言考试系统，具有显著的高效、准确等特点；2019年余战秋等人设计与实现了基于 Hadoop 云计算，采用 MVC模式搭建的 B/S 架构的在线考试题库管理系统[6]； 2020年周艺伟等人基于微服务架构开发题库系统智能组卷，采用GA算法（遗传算法），BP算法（神经网络算法），解决了客观评价试题难度评级的问题，并且可以根据给定条件快速生成符合要求的试卷[7]；2021年王琦等人以 SSM（Spring+SpringMVC+MyBatis）框架为基础，设计了基于遗传算法实现的智能组卷在线考试系统[8]；.赵觅等人；Bootstrap3+AngularJS 1.5+Apache HTTP Server的框架设计了基于 PHP 的B/S 架构的题库练习系统[9]；宋永生、黄蓉美等人采用Web 开发框架选用 Flask，客户端框架选用 Bootstrap 及jQuery，Excel 读取采用 xlrd，数据库选用 MySQL，数据库连接选用 PyMySQL。开发了Python 开发在线考试与分析平台[10]；

2022年张俊采用JAVA语言，SpringBoot+Myba?tis Plus作为后台框架，uni-app作为前端框架，MySQL作为数据库设计了基于Java的公务员备考微信小程序[11]；万均等人研制开发基于 OBE（成果导向教育）理念的环境监测课程试题库管理系统[12]；杨洲运用 MVC 框架以及 B/S 模式设计，基于 Java 语言进行开发，采用优化的遗传算法实现组卷的功能[13];

组卷问题属于一类多目标优化问题, 研究一种满足组卷需求的智能组卷方法, 是完成计算机智能组卷的核心, 存在一定研究价值.诸多学者为了提高组卷的水平对此进行了研究,并取得了一定成果. 例如, 李瑞森等人[14] 针对试题库建设需求, 提出了一种自底向上的试题库建设方案, 研究了试卷图形化交互布局; 杜明等人[15] 针对信息化发展中在线试卷的组卷工作中存在的问题, 设计了基于知识水平的改进智能遗传组卷算法; 潘婷婷等人[16]研究了基于知识点权重与错误率关联的个性化训练模型, 提高组卷水平.

（二）当下主流的自动组卷算法

经过几十年的发展，智能组卷算法的研宄目前己相对成熟，目前组卷算法主要有基于随机函数或随机变量的智能组卷算法、基于深度和广度优先搜索的智能组卷算法、基于遗传算法的全局优化搜索组卷算法、基于项目反映理论的自适应测试组卷算法，以及尚处于研宄阶段的基于数据挖掘和知识发现的组卷算法等。

１、基于随机函数的组卷算法

基于随机函数的组卷算法是将状态空间的控制指标作为依据，将随机抽取的试题放到试题库中，不断重复此过程，直到组卷完毕或再也抽不到符合条件的题目为止［17］。这种算法实现起来简单，只需要调用随机函数，组卷速度较快，但是具有不可回溯性，对于单选题的组卷率较高，对于约束条件多的较为复杂的组卷要求，容易组卷失败。２０１６年赵永平提出一种改进的随机抽取算法，其主要思想为采用分治法和淘汰替换法来联合抽题替换、调整抽题子集合中部分试题，最终生成一份知识点覆盖广泛、试题平均曝光率低的试卷［18］。

２、基于深度和广度优先搜索的组卷算法

基于深度和广度优先搜索的组卷算法也称为回溯试探法，是对随机抽取算法的优化和改进，其基本思路为按照一定策略遍历所有可能的路径以寻找最优解，同时将遍历过程中产生的每一个状态记录下来，当搜索失败时回溯上一次的状态记录，再变换新的搜素规律进行试探。高欢欢提出一种结合分类分段算法的回溯试探法，可以有效缩小回溯试探范围，解决试题重复率高、知识点覆盖面小的问题［19］。回溯试探法适用于题量较小的组卷情况，对于题量比较庞大的系统，由于回溯试探法需要遍历所有能组卷成功的组合，其组卷成功率会降低，时间冗余度和空间冗余度也会大幅度增加。

３、基于项目反映理论的自适应组卷算法

项目反映理论是一种现代心理测试理论，能够在试卷测试编制过程中提供指导，在计算机自适应测试中具有广泛的应用。单美静等人结合项目反映理论在评估应试者能力水平方面的优势，结合考试范围及考试成绩预期期望，设计了一种基于项目反映理论的智能组卷算法［20］。项目反映理论在组卷方面的研宄目前很少，虽然此组卷方法对考生无依赖性，但此模型在实际应用中较为少见。

４、基于蚁群算法的组卷算法

蚁群算法是由Ｍ．Ｄｏｒｉｇｏ等人于１９９１年提出的一种基于种群寻优的启发式搜索算法，主要特点是可通过正反馈、分布式协作来寻找最优路径，求解的关键是在蚁群爬过的路段上释放信息素，其浓度可以反映出路段的优劣，得出最佳解［21］、杨晓吟提出一种蚁群遗传融合优化算法，首先通过基于信息素的蚁群算法产生一个最优解作为遗传算法的初始种群，从而可以提高收敛性能和算法效率［22］。

５、基于遗传算法的组卷算法

遗传算法（ＧＡ）是模拟自然界中遗传选择、适者生存的生物进化的计算模型，是一种动态的自适应算法，具有很强的鲁棒性，在多约束条件下寻找最优解可以表现出很好的性能。针对遗传算法组卷效率和组卷成功率的问题，许多学者对此进行了研究和探索。邱靖等建立ＱＰＳＯ和ＧＡ相融合的智能组卷模型，提出利用ＱＰＳＯ中的全局最优和局部最优位置优化遗传算法中的算子，粒子群编码采用实数编码，可以提高组卷的成功率和模型的运行效率［23］。ＨＥＪｉａｎｙｉｎｇ等在原有遗传算法的基础上，建立加权目标函数来优化适应度函数、交叉和变异算子的设置，并采用保优策略和轮盘赌相结合优化了选择操作，仿真实验表明可以有效的提高组卷的成功率［24］。张雄胜等提出一种基于Ｓｐａｒｋ的遗传算法智能组卷算法，利用Ｓｐａｒｋ对ＲＤＤ进行并行切片，然后分发到集群中的多个节点上完成相应的变换操作，这种运算方式非常适合并行化遗传算法的实现［25］。

四、研究目标

本论文的研究目标如下：

（一）研究和分析相关自动组卷理论及智能考试系统

（二）学习、掌握相关技术与方法

（三）题库管理系统的需求分析

（四）题库管理系统的设计

（五）题库管理系统的编码实现

（六）完成毕业论文撰写

五、评述与总结

智能组件系统的设计，主要是为了可以对学生学习成果进行测试。教学过程中往往依靠考试对学生进行成果的检验，往往需要一个高标准的试卷，这样的试卷才能有效地对学生的学习成果进行检测。试卷的编排往往需要教育者自身有较高的审评，专业要求性较高，但是很多老师往往只负责教学的环节，对于出题试卷没有太多的研究，在试卷内往往会有遗漏，或者抓不住重点，达不到良好的考试效果。因此，开展智能组卷细从实题库的设计，可以通过试题库自身的科学化和智能化，针对教学大纲进行试卷题目的处理。在线智能组卷问题和主观题自动阅卷问题是在线考试系统建设环节中非常重要的两个问题，通过对目前教育行业各类在线考试系统分析，发现绝大多数考试系统存在以下不足之处：１、系统在线自动生成的试卷质量较低，存在组卷单一、试题难度系数和区分度不易控制、组卷效率低的问题，无法达到有效检测学生水平的目的；２、题型设置较为单一，由于需要实现计算机考试和自动阅卷，题型的设置通常只有客观题，对一些需要发挥分析能力的主观题实现自动阅卷的能力较为薄弱。?

两年来，新型冠状病毒肺炎疫情已广泛普及到全球范围，给当前的教育行业带来了很大的影响。国内疫情严重地区的学校已经进行了线上教育，不能进行线下考试测试，相对而言，线上考试已经成为这些地区的主要考试途径和必然趋势。本文以线上考试模式为研究对象，系统运用Spring MVC 框架以及 B/S 模式设计，基于 Java 语言进行开发，对于系统设计过程中自动组卷的合理性进行研究，利用遗传算法对组卷过程中进行优化设计，加快了组卷速度和组卷的效率，以相对均衡的试题难度来检测学生对理论知识的掌握程度，尽可能的满足考生需求，完成智能考试系统的设计与实现，本文的主要研究内容包括以下部分：

（1）对基于 B/S 模式的智能考试系统的开发环境及相应的理论技术进行研究，对系统开发技术等进行分析，为系统的进一步实现奠定基础。

（2）为解决智能考试系统中自动组卷功能的欠缺，研究自动组卷算法和遗传算法相关操作流程，对遗传算法中的编码问题、迭代终止条件以及交叉变异过程中随机性进行优化，根据试题的难度系数进行选题，再将优化后的算法运用于自动组卷过程，提升基于 B/S 模式的智能考试系统的自动组卷能力。

（3）在上文自动组卷优化算法的基础上，以实用性考虑基于 B/S 模式的智能考试系统的整体设计过程，对系统进行分析，通过对所需要的业务需求进行详细的流程分析，同时对系统的功能模块进行划分，通过各功能模块的数据流程图进行分析，使功能需求更加清晰明了。

（4）通过构建系统框架总图设计各个功能模块。同时对研究内容中涉及到的自动组卷与试题管理模块的协同工作及衔接过程进行设计，确定数据库模型以及各功能模块涉及的多种表结构设计。

（5）实现系统预设的各项功能模块，实现过程中包括对开发技术的学习应用、开发环境及服务器的配置，界面设计以及各个功能模块的相序衔接，适应性跳转等，通过单元测试以及集成测试用例，对系统的设计过程进行完善及优化。

参考文献

[1] 王孟婷. 基于 Java 的智能考试系统设计与实现 [J]. 中国教育技术装备, 2019(24): 25-27.

[2] 杨清林. 基于遗传算法的智能组卷考试系统的设计与实现 [D]. 山东师范大学, 2020.

[3] 张海洋. 基于遗传算法的自动组卷系统优化设计及应用 [D]. 安徽工业大学, 2019.

[4] 杨静. 基于 Web 的智能考试系统的设计与开发[J]. 西安文理学院学报(自然科学版), 201

9, 22(04): 55-59.

[5]Xu Guangfu, García Antonio, Jia Ming, Monsalve-Serrano Javier. Computational optimi-

zation of the piston bowl geometry for the different combustion regimes of the dual-mode

dual-fuel (DMDF) concept through an improved genetic algorithm [J]. Energy Conversion

and Management, 2021, 246.

[6]余战秋,文晶晶.基于Hadoop云计算的在线考试题库管理系统设计与研发[J].鄂州大学学报,2019,26(06):98-100.DOI:10.16732/j.cnki.jeu.2019.06.032.

[7]周艺伟,洪逸凡.基于微服务架构下题库系统智能组卷算法应用的研究[J].电脑知识与技术,2020,16(24):183-184+190.DOI:10.14004/j.cnki.ckt.2020.2724.

[8]王琦,邓秀慧,蔡玮,潘磊.基于遗传算法的在线考试系统设计与实现[J].信息与电脑(理论版),2021,33(21):58-60.

[9]陈海琼,邹起霞,何曼莹,赵觅.基于PHP的题库练习系统的设计与实现[J].电声技术,2021,45(09):64-67.DOI:10.16311/j.audioe.2021.09.017.

[10]宋永生,黄蓉美.基于Python的在线考试与分析平台[J].信息技术与信息化,2021(10):200-202.

[11] 张俊.基于Java的公务员备考微信小程序[J].电脑知识与技术,2022,18(04):112-114.DOI:10.14004/j.cnki.ckt.2022.0267.

[12]万均,李玲玲,邓晓燕,王磊.基于OBE的环境监测课程试题库建设及应用[J].科教文汇,2022(16):68-71.DOI:10.16871/j.cnki.kjwh.2022.16.020.

[13]杨洲. 基于B/S模式的智能考试系统的设计与实现[D].阜阳师范大学,2022.DOI:10.27846/d.cnki.gfysf.2022.000244.

[14]李瑞森,张树有,伊国栋,薛立华,谭建荣.多属性多关联的工程图学试题库与多路径智能组卷系统研究[J].图学学报,2018,39(02):373-380.

[15]杜明,王树梅,郝国生.基于知识水平的改进智能遗传组卷算法设计[J].控制工程,2017,24(10):2112-2117.DOI:10.14107/j.cnki.kzgc.150762.

[16]潘婷婷, 詹国华, 李志华. 基于知识点与错误率关联的个性化智能组卷模型. 计算机系统应用, 2018, 27(5): 139–144.

［17］崔艳．基于通用试卷库组卷算法的研宄和实现［Ｄ］．河南：郑州大学，２０１０．

［18］赵永平．基于改进随机抽取算法的信息论题库和智能组卷系统的设计与实现［Ｄ］．北京：中国地质大学（北京），２０１５．

［19］高欢欢．分类分段回溯试探算法在计算机基础在线考试系统中的应用［Ｊ］．软件导刊，２０１６，１５（０５）：１５７－１５９．

［20］单美静，刘琴．基于项目反应理论的组卷算法研究［Ｊ］．软件工程，２０１７，２０（１２）：?６－８．

［21］彭康华，黄裕锋，姚江梅．多种人工智能算法的数据库技术课程自动组卷比较［Ｊ］．计算机系统应用，２０１８，２７（０３）：２１０－２１６．

［22］杨晓吟．基于蚁群优化遗传算法的智能自动组卷算法研究［Ｊ］．现代电子技术，２０１８，４１（２１）：?１２１－１２３．

［23］邱靖，郭睿南，浦涛文，于学媛基于遗传算法的随机优化搜索，张海涛．ＱＰＳＯ和ＧＡ相融合的智能组卷模型研宄［Ｊ］．电子设计工程，２０１６，２４（１３）：２３－２５．

［24］贺建英，王光琼，唐青松．一种基于遗传算法的智能组卷策略优化研究［Ｊ］．计算机与数字工程，２０１９，４７（０１）：１３０－１３５．

［25］张雄胜，丁琼华，张若冰，胡义杰，刘涛．一种基于Ｓｐａｒｋ的遗传算法智能组卷方法：ＣＮ２０１８１１５３３４３２．３［Ｐ］．２０１９－０５－２４．

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!