典型文献
多目标优化视角下在线学习群体形成方法
文献摘要：
形成既能满足教师教学实施需求,又能得到学习者认可的在线学习群体是影响在线协作学习效率的重要因素.多目标粒子群算法和遗传算法应用于在线学习群体形成领域是目前的研究热点.然而,利用多目标粒子群算法解决在线学习群体形成问题时存在多样性差,容易陷入局部最优等问题;运用遗传算法解决在线学习群体形成问题时,则需要以耗费大量时间为代价.针对以上问题,提出了多目标优化视角下在线学习群体形成方法:首先根据学习者的多维个性特征建立在线学习群体形成MOLGFM模型(Multi-objective Online Learning Group Formation Model),其次针对形成模型的多目标优化特征,将多目标粒子群算法和遗传算法相结合提出了GAMOPSO(Genetic Multi-objective Particle Swarm Optimization)算法,最后采用GAMOPSO算法求解MOLGFM模型,提出多目标优化视角下的在线学习群体形成方法GAMOPSO-FA(Genetic Multi-objective Particle Swarm Optimization-Formation Approach).实验表明,相比采用经典算法的在线学习群体形成方法,所提GAMOPSO-FA方法形成的在线学习群体符合度更高,形成速度更快.
文献关键词：
多目标优化;在线学习;学习群体形成;遗传算法;多目标粒子群算法
中图分类号：
作者姓名：
李浩君;岳磊;张鹏威;杨琳
作者机构：
浙江工业大学 教育科学与技术学院,杭州310023;杭州市电子信息职业学校,杭州310021
文献出处：
引用格式：
[1]李浩君;岳磊;张鹏威;杨琳-.多目标优化视角下在线学习群体形成方法)[J].小型微型计算机系统,2022(04):712-722
A类：
学习群体形成,MOLGFM,GAMOPSO
B类：
多目标优化,下在,在线学习,教师教学,教学实施,在线协作学习,学习效率,多目标粒子群算法,算法应用,成问题,局部最优,优等,耗费,个性特征,Multi,objective,Online,Learning,Group,Formation,Model,成模,Genetic,Particle,Swarm,Optimization,FA,Approach,符合度
AB值：
0.202301
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
