【導讀】進行試卷管理和測試，能夠切實的減輕教師和考生的負擔，提高教學效率。和下一步的開發(fā)方向。主要內容和研究意義·········································1. 論文的組織結構···············································3. 試卷管理系統(tǒng)研究現狀與發(fā)展趨勢··········&#18

　　

【正文】 會很復雜，而且該方法在空間復雜度和程序設計方面都很復雜，所選的試題沒有隨機性，組卷效率低。 3. 基于專家系統(tǒng)的組卷 算法 專家系統(tǒng)是一種能夠依靠大量的專門知識解決特 定領域中復雜問題的計算機智能軟件系統(tǒng)。專家系統(tǒng)的特點 之一就是 能夠進行符號操作，用符號來表示知識，它把問題概念表示成符號集合。在組卷系統(tǒng)中的專家系統(tǒng)需要構建一個知識庫用來存放諸如不同的科目、不同的考試性質和時間等組卷知識信息，此外，還要構建一個推理機 制 來根據一定的推理策略從知識庫中選取相關的知識，對用戶提供的信息進行推理，直到得出相應的結論為止。組卷時，用戶輸入組卷參數， 使用 推理機 制進行推理匹配，從 組卷知識庫中獲得試卷模型，并按產生的隨機數在同一類試題中選擇試題，最后輸出組卷結果 [20]。 這種組卷算法需要建 立一個龐大的知識庫，同時推理機 制 的設計和實現也很復雜，難以滿足快速組卷的要求。 4. 啟發(fā)式搜索法 隨機化啟發(fā)式搜索法 [19]是建立在人工智能和一定的概率模型基礎上的一種有效算法 。在搜索的前幾步中采用隨機抽題法，當搜索進入死結點時，采用 以下 的方法作啟發(fā)后 再進行搜索： 首先將造成死結點的狀 態(tài)類型記錄下來，然后回溯走過的路徑，將與該狀態(tài)有關 (指某分量相同 )的元素全部釋放，將剩下的無關元素重新構成一 條 路徑，然后根據啟發(fā)函數的最小值確定下一個結點，啟發(fā)函數定義為新元素狀態(tài)類型與記錄死結點元素狀態(tài)類型分量相同的個數。 啟發(fā)式 搜索法的組卷成功率高，能夠滿足較復雜的組卷要求，但是其程序設計復雜，組卷速度慢。 5. 遺傳算法 [2126] 遺傳算法 （ Geic Algorithm） 是 目前在組卷系統(tǒng)設計領域受到廣泛關注和研究的算法，它最早是由美國密西根大學的 Holland 教授 在六十年代 提出， 在進行了一系列研究后，八十年代由 Goldberg 進行歸納總結，形成了遺傳算法的基本框架，其 具有簡單通用、收斂速度快、全局尋優(yōu)等特點，且適用于并行處理 ，目前在計算機科學、神經網絡、信號處理、人工網絡等領域已經得到了廣泛的運用。 它是一種模擬自然界的 遺傳和進化而形成的一種自適應的啟發(fā)式的蒙特卡羅反演算法，它能有指導性的進行隨機化的搜索， 適用 于解決復雜目標的非線性問題。遺傳算法處理的是基因型個體， 一定數量的個體組成群體，群體中個體的數目為群體規(guī)模 [24]。 遺傳算法中通常 具 有一個目標函數與生存環(huán)境相對應，由 這個目標函數 來確定各個個體的適應度。在遺傳算法中需要進行數據轉換操作，一個是表現型到基因型的轉換 ， 把問題空間的參數轉換成遺傳空間中的 基因型個體； 另一個是基因型到表現型的轉換，它 將 執(zhí)行相反的操作。 Goldberg 總結了一套基本遺傳算法 （ Simple Geic Algorithm） ，這套算法只使用選擇算子、 交叉算子和變異算子等三種基本遺傳算子，遺傳過程簡單， 這個算法 也為其他的遺傳算法提供了一個基本的框架。 遺傳算法的基本 過程如下： 1) 產生初始群體，隨機地 （ 通常均勻地 ） 產生 若干 個個體，每個個體看作是一個 基因型個體 ， 這若干 個 基因型個體 組成一個群體 ； 2) 對群體中每個個體計算它的適應 度； 3) 通過選擇和復制操作從群體中選出所需要的個體， 這里通常采用輪盤賭選擇法即適應度比例法，而且通常需要多輪選擇，然后將選出的個體 放入到交配緩沖池中 ； 4) 對交配池中的 個體使用交叉和變異算子 仿照生物學中雜交的原理， 形成下一代群體中的 N 個體，并計 算每個新個體的適應度，在這里有必要提一下交叉算子和變異算子的重要性：交叉算子一方面能夠使得原來群體中優(yōu)良個體的特性在一定程度上得到保持，另一方面，它將使 得算法能夠探索新的基因空間，從而使新群體中的個體得以保持多樣性[25]； 變異 算子 的使用能夠使遺傳算法具有局部搜索能力，可以維持群體的多樣性 [26]； 5) 如果滿足結束條件，則停止 ， 否則轉到第 3） 步。 但是遺傳算法也有一些不足的地方，如其采用二進制編碼，代碼冗長，而且二進制編碼不能 有效的拓展搜索空間，其次，基本遺傳算法在搜索后期會出現效率低和形成未成熟收斂的情況。 本系統(tǒng)采用的算法 本系統(tǒng)目前是一個在學校范圍內使用的小型系統(tǒng)，在對組卷模塊的設計與實現時考慮了 以 下的因素： 1. 時間因素，由于系統(tǒng)開發(fā)周期較短，一些理論上效果較好的算法由于代碼復雜而未被考慮。 2. 環(huán)境因素，該系統(tǒng)目前的使用范圍 限于學校 ， 因此題庫不會很大，所以沒有必要采用很復雜的算法來實現。 因此，目前在本系統(tǒng)中采用的是隨機抽題算法，從當前的使用情況來看，算法的選擇是正確的，是能夠滿足需要的， 下面 是該算法的部分程序實現 ： 與數據庫的連接 在本系統(tǒng)中，訪問數據庫是一個很重要的環(huán)節(jié)。 由于我采用基于 Java EE 的 技術來構建 無紙化試卷管理 系統(tǒng)，因此，在數據庫連接方面采用的是 JDBC（ Java Database Connectivity）接口來訪問數據庫的。 JDBC 訪問數據庫需要首先建立一個與數據庫的連接，獲得一個連接對象，通過鏈接對象來提供執(zhí)行 SQL 語句的方法。 在此系統(tǒng)中，我 們 采用的是 Mysql 數據庫，因此這里的設置上需要對其進行專門的設置。 以下是連接數據庫 代碼 ： 第六章 系統(tǒng)的不足與展望 系 統(tǒng)的不足 經過一段時間的使用和測試，該系統(tǒng)已經基本實現了當初的設想，達到了預期的目的。但是，這個系統(tǒng)還是有一些可以提高的地方： ? 系統(tǒng)中的打字題當初設想是要實現電腦自動評判正確率，可是由于目前自身技術力量和該系統(tǒng)是基于 web 框架的限制，這一塊還沒有完全實現成功。 ? 由于當前設計的是 試卷管理 系統(tǒng)，所以在考生和教師 信息的保存方面所能保存的內容還較少，未來如果需要將該系統(tǒng)升級成為一套完整的教學管理系統(tǒng)的話在這方面還需要加強，所幸的是，由于采用的是 MVC 的框架結構而不是僅 僅 簡單 地 采用純 JSP 編程的方式，所以未來升級的時候將 會大大減輕勞動量，可以說，現在已經為將來的升級打下了良好的基礎。 ? 目前系統(tǒng)的評價體系還不夠完善，由于時間和該系統(tǒng)目前需求的原因，該系統(tǒng)的評價體系主要還是依靠每個考生的成績和閱卷教師給出的相應評語來評價，未來可以進一步引進一些統(tǒng)計學方面的理論來對考生 和考試進行更準確細致的評價。同樣地，目前對于試題的評價也僅限于難度的區(qū)分，但以后可以根據考生的情況進一步引進信度，區(qū)分度等評價試題的標準。 ? 系統(tǒng)的容錯能力還需要進一步提高，由于目前知識水平的限制，對于一些技術的應用和理解能力還需要進一步提高，因此，在程序的容錯 ，極端情況下的穩(wěn)定性方面還有待進一步測試與改進。 總結與未來的發(fā)展展望 本論文詳細闡述了基于 MVC 架構的 試卷管理 系統(tǒng) 的 設計 與實現過程。該系統(tǒng)使用了目前先進并被廣泛應用的 Struts 架構， 這為以后 系統(tǒng)的擴展和維護 打下了良好的基礎， 例如，系統(tǒng)可以很方便的改變 試題管理 界面而不用修改任何的業(yè)務邏輯，可以對業(yè)務規(guī)則和數據的物理表示進行改進而不用修改任何的 教師 界面代碼。 本系統(tǒng)是一個平臺，能夠實現多學科、多課程、多層次的試題庫管理，滿足同一個考場中每一位考生試卷既等價又相異的要求，有利于大規(guī)模同一考試的順利進行 ， 目前，該系統(tǒng)運行平穩(wěn)可靠。 由于時間的關系，還有一些技術并沒有被用到這個系統(tǒng)中，這是系統(tǒng)下一步需要改進的地方 ，以后還需要考慮采用 更先進有效的 算法 （如：遺傳算法 、線性規(guī)劃算法 等） 對組卷模塊進行修改，提高組卷的質量和速度， 同時， 還 需 要在考試系統(tǒng)的安全性，提高考試系統(tǒng)的自適應能力，實現多媒體考試等方面 做 進一步的研究。 基于 Web 的考試系統(tǒng)是當今的一項熱門研究領域， 它是現代遠程教育不可缺少的一部分 ，而作為考試系統(tǒng)的核心部件 —— 試卷管理系統(tǒng)也越來越受到人們的關注，大量的學者、專家投身到這個領域中來 。 網絡考試正以其不 可比擬的優(yōu)勢融入到當今社會中來，相信在不久的將來隨著各種技術的不斷完善，網絡考試將會向著主觀題自動閱卷，根據考生的水平自動制定相應的考試方向等自適應、智能化的方向發(fā)展， 而試卷管理系統(tǒng)設計得好壞將直接關系到網絡考試系統(tǒng)在社會上被接受的程度 ，相信在不遠的將來更加先進、更具人性化的試卷管理系統(tǒng)將越來越多的融入到人們的生活中。 參考文獻 [1]中科永聯(lián)高級技術培訓中心 ． MVC 模式[EB/OL]． 20210423. [2]孫衛(wèi)琴 ． 精通 Struts：基于 MVC 的 Java Web 設計與開發(fā) [M]．北京：電子工業(yè)出版社，2021． III－ IV． [3]孫衛(wèi)琴． Java 面向對象編程 [M]．北京：電子工業(yè)出版社， 2021． VI－ VII． [4]H. M. Deitel， P. J. Deitel 著 ． 施平安，施惠瓊，柳賜佳譯 ． Java How to Program（ Fifth Edition）[M]． 北京：清華大學出版社 ， 2021． [5]王萌，劉婧，來賓 ． JAVA程序設計 [M]． 北京：冶金工業(yè)出版社， 2021．１－３． [6]孫衛(wèi)琴，李洪成． Tomcat 與 Java Web開發(fā)技術詳解 [M]．北京：電子工業(yè)出版社， 2021． 123－ 124． [7]張孝祥，張紅梅 ． JavaScript 網頁開發(fā) —— 體驗式學習教程 [M]． 北京：清華大學出版社，2021． 1－ 5． [8]趙強 ． 精通 JSP 編程 [M]． 北京：電子工業(yè)出版社， 2021． 2－ 12． [9]孫衛(wèi)琴．精通 Hibernate： Java 對象持久化技術詳解 [M]．北京：電子工業(yè)出版社， 2021． III－ IV． [10]Craig Walls， Ryan Breidenbach，李磊，程立， 周悅虹譯． Spring in action 中文版 [M]．北京：人民郵電出版社， 2021． 33— 35． [11]Ryan Aseleson， Nathaniel T. Schutta，金靈等譯． Ajax基礎教程 [M]．北京：人民郵電出版社， 2021． 13— 15． [12]IBM． Eclipse 平臺入門[EB/OL]． 2021110 [13]David Gallardo, Ed Burte, Robert McGoven. Eclipse in Action[M]. Greenwich： Manning, 2021. 32— 33. [14]孫衛(wèi)琴，李洪成． Tomcat 與 Java Web開發(fā)技術詳解 [M]．北京：電子工業(yè)出版社， 2021． [15]Y. Daniel Liang. Introduction to Java Programming, Comprehensive Version, Fifth Edition[M]. .: Prentice Hall. 2021. 11— 14. [16]Mysql． MySQL [EB/OL]． 20211115. [17]劉彬 ． JSP 數據庫高級教程 [M]． 北京：清華大學出版社， 2021． 63— 64． [18]E. Zitzler, L. Thiele． MultiObjective Evolutionary Algorithms A Comparative Case Study And the Strength Pareto Approach[J]． IEEE Transactions of Evolutionary Computation, 1999, 3(4): 257— 271. [19]李小勇 ． 題庫管理系統(tǒng)中的自動化組卷算法 [J]． 西北師范大學學報 (自然科學版 )， 2021， 38(4)： 41— 43． [20]謝平 ． 基于框架模式的試題庫智能組卷系統(tǒng) [J]． 華東交通大學學報， 1998， 15(4) ： 58—63． [21]Holland J. Adaptation in natural and artificial systems[M]. Ann Arbor: University of Michigan Press,—105. [22]David E. Goldberg. Geic algorithms in search, optimization and machine learning[M]. New York: AddisonWesley Publishing Company Inc, 1989. 59— 308. [23]David B. Fogel. An introduction to simulated evolution optimization[J]. IEEE Trans on Neural Networks, 1994, 5(1): 3— 14. [24]M. Kantardzic， 閃四清等譯 ． 數據挖掘 —— 概念、模型、方法和算法 [M]． 北京 ： 清華大學出版社， 2021． 202— 240． [25]徐潔磐，馬玉書，范明 ． 知識庫系統(tǒng)導論 [M]． 北京 ： 科學出版社， 2021． 25— 60． [26]F. Herrera, M. Lozano, J. L. Verdegay. Tuning Fuzzy Logic Controllers by Geic Algorithms[J].International Journal of Approximate Reasoning, 1995. 12(3): 115— 123. 外文資料 Towards Increasing Web Application Productivity Source: 2021 ACM Symposium on Applied Computing ABSTRACT In this paper we present and discuss a template/metadata based partial code generation system supporting web application development. Seamlessly incorporating the recent topnotch technologies, the framework maximally exploits the capabilities of the underlying implementation technologie