%0 Journal Article
%T Study on Intelligent Test Paper Generation Strategy through Improved Quantum-behaved Particle Swarm Optimization<br>改进量子行为粒子群算法智能组卷策略研究
%A LI Xin-ran
%A FAN Yong-sheng
%A <br>李欣然
%A 樊永生
%J 计算机科学
%D 2013
%I 
%X 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。
%K Quantum-behaved particle swarm optimization
%K Self-adaptive
%K Inertia weight
%K Slowly varying function
%K Item response theory(IRT)
%K Autogenerating test paper<br>量子行为的粒子群优化算法(QPSO)
%K 自适应
%K 惯性权重
%K 慢变函数
%K 项目反应理论(IRT)
%K 智能组卷
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=E61EC7D94804D75906F04731A5B8B4C3&yid=FF7AA908D58E97FA&vid=1371F55DA51B6E64&iid=E158A972A605785F&sid=FBCA02DBD05BD4EA&eid=1DF3F9D75A12D97B&journal_id=1002-137X&journal_name=计算机科学&referenced_num=0&reference_num=12