基于项目反应理论和量子智能算法的选题策略研究

本书对量子智能算法 用于测验选题的可行性和 特性进行探索，将普通遗 传算法和量子遗传算法、 普通粒子群算法和量子粒 子群算法、普通蚁群算法 和量子蚁群算法的选题性 能进行两两比较。各算法 得到的选题结果采用方差 分析进行差异显著性检验 ，分析影响选题结果的参 数、得到算法的最优参数 组合。

第1章 绪论 1.1 研究背景 1.2 选题理由 1.3 研究意义与研究目的 1.3.1 研究意义 1.3.2 研究目的 1.4 研究思路与主要内容 1.5 研究技术及方法与研究结论 1.5.1 研究技术及方法 1.5.2 研究结论 1.6 研究创新点与不足及展望 1.6.1 研究创新点 1.6.2 研究不足及展望 第2章 选题策略相关问题研究综述 2.1 项目反应理论相关综述 2.1.1 项目反应模型 2.1.2 项目信息函数 2.1.3 测验信息函数 2.1.4 IRT的测验编制步骤 2.2 国内外的选题策略研究进展 2.2.1 基于线性规划的选题策略 2.2.2 基于启发式算法的选题策略 2.2.3 讨论 2.3 量子智能计算研究现状 2.3.1 量子计算的基本概念 2.3.2 量子计算的特点 第3章 基于IRT的遗传算法及量子遗传算法选题实验 3.1 选题要求 3.1.1 基于IRT题库的建立 3.1.2 项目题型约束 3.1.3 项目字数约束 3.1.4 实际测验项目信息函数 3.2 基于IRT的遗传算法选题实验 3.2.1 遗传算法(GA)简介 3.2.2 遗传算法选题的实验步骤 3.2.3 遗传算法选题的算法设计 3.2.4 遗传算法选题参数的实验设计 3.2.5 遗传算法选题的实验程序 3.2.6 遗传算法选题的实验结果 3.3 基于IRT的量子遗传算法选题实验 3.3.1 量子遗传算法(QGA)简介 3.3.2 量子遗传算法选题的实验步骤 3.3.3 量子遗传算法选题的算法设计 3.3.4 量子遗传算法选题的参数实验设计 3.3.5 量子遗传算法选题的实验程序 3.3.6 量子遗传算法选题的实验结果 3.4 量子遗传算法与普通遗传算法性能比较 3.4.1 算法稳健度 3.4.2 分数线处最大测验信息量均值 3.4.3 信息量平坦度