基于RBAC和遗传算法的题库系统的设计与实现

VIP免费

3.0 李佳 2024-09-23 4 4 363KB 14 页 150积分

侵权投诉

第四章组卷算法的研究与设计

组卷算法的设计是题库系统设计的一个核心。本章介绍了遗传算法的基本原

理和求解过程，研究了遗传算法在组卷问题上应用方式，在此基础上，提出一

种编码的改进方案，并对该编码方案下算法的具体实施过程进行了详细的描述。

4.1 遗传算法基本原理

遗传算法(Genetic Algorithms，GA)是模拟生物在自然环境中的遗传和进化

过程而形成的一种自适应全局优化概率搜索算法。在遗传算法中，将待求解的问

题转化为某个适应度函数(Fitness Function )，将问题解用有限长度的编码表示

(例如采用定长二进制串编码方式来表示问题解)，从初始种群出发，采用基于

适应度值大小的选择策略，对种群通过遗传机制模拟自然进化过程而不断产生

新一代种群，使新产生的种群向着更优解的方向进化，直到满足期望的中止条

件。

下面就遗传算法中常用的几个基本概念及算法的一般求解过程做简要介绍。

4.1.1 遗传算法基本概念

遗传算法中的基本术语主要包括以下几项：.

1)染色体(Chromosome )：解空间中个体变量的编码表示，每个个体变量由

一个码串表示，这个码串就称为染色体。常用的二进制编码染色体如图 4.1 所示

11100001010010010000101000111100

图4.1 二进制染色体示意图

2)个体(Individual )：指染色体带有特征的实体，即解空间中的一个解。

3)种群(Population )：染色体带有特征的个体的集合称为种群，它是解空间

的一组作为父代遗传用的初始解。

4)基因(Gene )：构成染色体的基本单位，如图 4.1 中的染色体第五位基因是

“0”。

5)编码(Coding)：根据一定的编码规范，将变量转化为对应的基因串的过程。

编码是应用遗传算法时要解决的首要问题，也是设计遗传算法时的一个关键步

骤。

6)解码(Decoding )：编码的逆过程，将基因串转化为实际的变量的操作。

7)适应度函数(Fitness Function )：度量个体的适应度的函数称为适应度函数，

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

150 积分 4人已下载

立即下载 VIP免费下载

摘要：

第四章组卷算法的研究与设计组卷算法的设计是题库系统设计的一个核心。本章介绍了遗传算法的基本原理和求解过程，研究了遗传算法在组卷问题上应用方式，在此基础上，提出一种编码的改进方案，并对该编码方案下算法的具体实施过程进行了详细的描述。4.1遗传算法基本原理遗传算法(GeneticAlgorithms，GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。在遗传算法中，将待求解的问题转化为某个适应度函数(FitnessFunction)，将问题解用有限长度的编码表示(例如采用定长二进制串编码方式来表示问题解)，从初始种群出发，采用基于适应度值大小的选择策略，对种群通过遗...

展开>> 收起<<

基于RBAC和遗传算法的题库系统的设计与实现.doc

共14页,预览1页

还剩页未读，继续阅读

基于RBAC和遗传算法的题库系统的设计与实现

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: