1．目的及意义

在我国目前的教育领域中,考试是整个教学过程中的重要环节,它是对学生所学知识和能力的一种评价,也是衡量教师教学效果优劣的一种教育测量手段。然而传统的考试是由任课教师出试卷,命题重点和难点带有较大的主观性,不够客观和准确,而且批改该卷和统计成绩辛苦且不够准确[1]。

计算机辅助考试(Computer Aided Examination,CAE)最早起源于美国，上世纪七十年代末美国就成立了一家名为“评价系统有限公司”（Assessment System Corporation）的商业机构，该公司致力于研究计算机组卷问题[8]。美国著名网络公司 Novell 在上世纪90 年代成功研发出了一套计算机辅助考试(Computer Aided Test)系统，进行了网络化考试，极大地推动了无纸化考试的进程[8]。最典型的利用计算机辅助考试的是美国TOFEL 培训与考试，它不仅极大地降低了政府开支也能更加便捷的为考生提供服务，而且在今天，全世界各地托福考试仍然采用机考。

上世纪 80 年代计算机辅助考试逐步在国内兴起。1985 年，国家教委为了推动对高等数学、大学物理等基础课程的改革，加大力度支持对高等数学、大学物理等课程进行大量题库的建设[8]。清华大学较早开发出一款名为 MATBAS 的大学高等数学试题库系统；南京大学开发了一款 Pascal 编程语言试题库系统[8]。国内两个重点大学研发的计算机辅助考试系统在国内引起了极大的兴趣，考试系统建立了基本的试题库，体现出重视试题库建设、随机出题的理念和思想,不足之处在于还难以完全实现自动组卷。直到 21 世纪初，越来越多的专业技术考试逐步转向计算机考试，相关建设和研究便得到了更快的发展。例如由教育部考试中心主办的“全国计算机等级考试”就是面向全社会，对于非计算机专业人员的计算机应用知识和技能的考试。在国内知名的大学英语四六级考试，为了促进考试的公平，保证考试试卷的保密性，完全采用计算机进行自动组卷。

尽管考试系统已经迅速发展甚至普及,但是大多数系统存在无法展示试题或者答案中的图形和无法控制试题的重复率、难度及分布等问题，使得无法保证考试的公平性[7]，因此要解决这些问题，试题库的组建和组卷算法就必须得到改进。在组卷算法实现上,目前常见的有基于概率论的随机抽取算法，基于深度与广度优先搜索的回溯试探算法和基于人工智能的遗传算法[2]。其中基于人工智能的遗传算法的优点有内在的隐并行性和较好全局寻优能力，具有自组织、自适应和自学习性 ，具有较大的灵活性，流程简单确定、开放灵活[9]。因此遗传算法的使用频率很高，是最常见的组卷算法，但是遗传算法也有着容易产生局部最优解和早熟的问题，因此遗传算法在初始种群的选取、遗传算法的编码、适应度函数的设计、遗传算子的自适应设计等方面对传统遗传算法进行改进,使之更符合智能组卷的需求,从而提高组卷的效率和成功率[11].

{title}

2. 研究的基本内容与方案

{title}基于知识点的智能组卷算法及该算法应用于通用的题库系统的智能组卷过程。在试题库中根据知识点把所有试题进行了划分, 然后利用算法把题型平均难度系数、题型个数等作为主要控制目标,以包含题目题型作为主要条件筛选知识点，以此选择试题,而后对题目按知识点的各难度等级分类,从而按知识点选题组卷,并运用适当的组卷策略优化组卷结果。为了考试试题的公平性和有效性，一个完善的试题库组卷算法应满足以下三个条件:(1)抽出的试题具有随机性;(2)同一份试卷中无知识点重复的试题;(3)组成的试卷满足用户给定的参数要求。所以主要有基于概率论的随机抽取算法，基于深度与广度优先搜索的回溯试探算法和基于人工智能的遗传算法这几种算法。由于遗传算法相较于其它算法有自适应性，自学习性，自组织性，算法思想简单，灵活性大等优点，所以拟采用遗传算法来完成试题库的组卷。其主要措施是将机器学习模型和人工智能技术应用于自动组卷，通过局部搜索和全局搜索的结合，在邻域范围内找出最优解和在全局范围内找出最优解，从而实现自动组卷的过程。3. 参考文献

[1] 林雪明，张钧良，蒋伟钢，基于知识点的试题库组卷算法的建立[J]，微机发展，2001,2:77-80.

[2] 李锟华，基于平衡策略的试题库组卷算法研究[J],科技资讯，2006,30:136-137..

[3] 靳国兴，文汉云，试题库中自动组卷算法的设计[J]，长江大学学报（自然科学版）理工卷，2008,4:309-310 31.

[4] 葛华丽，基于知识点的试题库组卷算法[J]，电脑知识与技术，2009,26:7497-7498..

[5] 杨俊学，遗传算法在智能组卷系统中的应用研究[D]，天津工业大学， 2018.

[6] 严亚周.基于多点混沌优化遗传算法的组卷系统设计与实现[C].湖南大学,2017.