基于Optuna优化的遗传算法智能组卷模型

摘要

为了提升智能组卷性能，同时解决常规的基于遗传算法优化的智能组卷模型在实际应用时参数难以确定，在面对不同规模和特征分布的题库时性能不稳定的问题，提出了基于Optuna优化的遗传算法智能组卷模型。通过设计分层格雷编码来克服传统二进制、十进制编码引发的汉明悬崖问题，通过Optuna优化自反馈确定遗传算法的种群规模、迭代次数及其他参数，动态调整遗传算法的交叉、变异速率，实现对组卷搜索空间的自适应调整。实验结果表明，所提模型能够有效确定参数并实现动态调整，组卷质量优于其他基于随机和启发式算法的智能组卷模型。

关键词

智能组卷 / 遗传算法 / Optuna

基金资助

国家社会科学基金重点项目（2022-SKJJ-B-072）; 国防科技战略先导计划（21-ZLXD-02-00-02-006-38）