收藏本站
《吉林大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进粒子群算法的项目反应理论3PLM参数估计方法研究

袁洲  
【摘要】:项目反应理论(IRT)是基于心理测量的一种比较新颖的理论,与经典测验理论有着较大的区别,它更能真实地反映出被测试者的能力水平。随着项目反应理论的发展,学者们提出了许多数学模型,其中应用最为广泛的为三参数逻辑斯蒂克模型(3PLM)。3PLM给出了题目的区分度、难度、猜测系数、被测试者能力、和答对题目概率之间的关系,为确定每道题目的参数以及被测试者的能力提供了理论基础。长期以来,在项目反应理论的3PLM中,主要是通过高等数学中的迭代方法求解非线性方程组的解与通过相关的数理统计知识来确定未知参数的,但是使用这些方法往往会有些致命的缺陷:在有限合理的时间内无法收敛或者得到的参数估计值有较大的偏差,因此亟待一种新的可行的、比较高效的解决方法。 粒子群优化算法是Kennedy博士和Eberhart博士在1995年通过对鸟群和鱼群的群体运动行为的研究而提出的一种新型群体智能算法。它是一种基于粒子智能进化、种群搜索策略的优化算法。粒子群优化算法简单、实用,常用来解决一些大规模的、复杂的、非线性的,不可微的优化问题,并且有着不错的效果。 本文对应用粒子群算法解决项目反应理论中3PLM的参数估计做了可行性分析,证实了粒子群算法在3PLM参数估计中的可行性,同时也指出了直接用基本粒子群算法应用在3PLM参数估计中的不足:因为基本的粒子群算法容易早熟,并且在算法后期,容易陷入局部极值,因此所得到的参数估计值会有比较大的误差,参数估计的结果往往会不尽人意。为了消除基本粒子群算法的这些缺点,本文提出了一种改进的新型混合粒子群算法。该算法首先引入了环形的子群拓扑结构,把整个粒子群体分成六个子群,六个子群构成一个环,子群之间可以相互传递信息,在算法迭代过程中,各个子群把自己找到的子群最优解定期地同相邻子群进行交换,增强了全局搜索的搜索精度,也加快了粒子群算法的收敛速度;同时又引入了模拟退火思想与种群灭绝机制,模拟退火在理论上以概率1收敛于全局最优解,粒子群和模拟退火相结合可以使算法跳出局部最优,从而更容易找到全局最优解,当粒子群的群体最优解长时间不更新时,改进算法利用模拟退火进行精细搜索,可以帮助算法跳出局部极值,当模拟退火过程结束,运用种群灭绝机制,让粒子重新初始化,从而增加了群体粒子的多样性,让改进算法有着更优秀的搜索精度。相比基本粒子群算法,改进的粒子群算法搜索到最优解的能力有着很大地提升。计算机仿真实验证明,改进的粒子群算法大大提高了算法的准确度,让粒子群算法在实际应用中更加实用。 论文将改进的新型混合粒子群算法应用于项目反应理论3PLM中的参数估计当中。首先,确定参数估计是在每个项目的项目参数与每个被测试者的能力参数均未知的情况下进行的,这是现实中最常用的情况,在这种情况下利用改进粒子群算法进行3PLM参数估计也是最有意义的;其次,针对每个项目与每个被测试者来确定它们的目标函数,把3PLM中的似然函数取对数得到的对数似然函数作为目标函数,通过目标函数来计算每个粒子的最优解;再次,确定改进粒子群算法的各参数以及种群规模,它们的取值会对算法运行的效率产生重要的影响,适当的取值会大大提升算法的性能;最后,确定改进算法在项目反应理论3PLM参数估计中的步骤,利用改进的新算法在解空间寻找最优解来作为各个参数的估计值。 最后,本文利用蒙特卡洛实验来验证新型混合粒子群算法的性能。为了比较改进粒子群算法得到的参数估计值与商用软件BILOG得到参数估计值,本文设计了八个典型的交叉实验;由于项目的猜测系数分布在不同的区间,往往会对估计的结果有着影响,本文将猜测系数分成三个区间单独进行一次实验。将实验结果用ABSE与RMSE两个统计量进行衡量,通过统计分析证明了,改进的粒子群算法在3PLM参数估计中能够提高参数估计值对真值的恢复能力,而且估计的结果也不依赖于参数初始值的选择,因此改进的新型混合粒子群算法在项目反应理论3PLM参数估计中的应用是可行与高效的。
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:TP301.6

知网文化
【参考文献】
中国期刊全文数据库 前10条
1 罗芬,丁树良,胡小松,万宇文,甘登文;基于IRT若干参数估计方式的比较[J];江西师范大学学报(自然科学版);2003年01期
2 张利彪,周春光,马铭,刘小华;基于粒子群算法求解多目标优化问题[J];计算机研究与发展;2004年07期
3 窦全胜,周春光,马铭;粒子群优化的两种改进策略[J];计算机研究与发展;2005年05期
4 雷开友;邱玉辉;;基于自适应粒子群算法的约束布局优化研究[J];计算机研究与发展;2006年10期
5 徐海,刘石,马勇,蓝鸿翔;基于改进粒子群游优化的模糊逻辑系统自学习算法[J];计算机工程与应用;2000年07期
6 高鹰,谢胜利;基于模拟退火的粒子群优化算法[J];计算机工程与应用;2004年01期
7 姚坤;李菲菲;刘希玉;;一种基于PSO和GA的混合算法[J];计算机工程与应用;2007年06期
8 王芳;雷开友;邱玉辉;;一种粒子群算法的多样性策略研究[J];计算机科学;2006年01期
9 高海兵;周驰;高亮;;广义粒子群优化模型[J];计算机学报;2005年12期
10 朱小六;熊伟丽;徐保国;;基于动态惯性因子的PSO算法的研究[J];计算机仿真;2007年05期
中国博士学位论文全文数据库 前1条
1 雷开友;粒子群算法及其应用研究[D];西南大学;2006年
中国硕士学位论文全文数据库 前1条
1 高蕊;改进的粒子群算法及其在离散问题中的应用[D];吉林大学;2005年
【共引文献】
中国期刊全文数据库 前10条
1 赵吉武;邹长武;卢晓宁;;基于粒子群算法的综合暴雨强度公式[J];安徽农业科学;2010年30期
2 沈南山;;基于IRT模型的数学学业成就水平测试分析[J];安徽师范大学学报(人文社会科学版);2012年01期
3 谢旭升;以双理论相结合为指导的新型组卷程序设计[J];江西师范大学学报(自然科学版);1995年04期
4 熊建华,丁树良,漆书青,戴海崎;用测验信息量分析试卷质量[J];江西师范大学学报(自然科学版);2002年03期
5 罗芬,丁树良,胡小松,万宇文,甘登文;基于IRT若干参数估计方式的比较[J];江西师范大学学报(自然科学版);2003年01期
6 涂冬波,蔡艳;信息函数在标准参照测验中的应用研究[J];江西师范大学学报(自然科学版);2005年02期
7 黄华彩,丁树良,罗芬;IRT框架下的SQRT/EM参数估计方法及应用研究[J];江西师范大学学报(自然科学版);2005年03期
8 冯悦;;基于IRT模型的Berkson参数估计方法及其应用研究[J];江西师范大学学报(自然科学版);2006年03期
9 张利彪,周春光,刘小华,马铭;粒子群算法在求解优化问题中的应用[J];吉林大学学报(信息科学版);2005年04期
10 陈永刚;杨凤杰;孙吉贵;;新的粒子群优化算法[J];吉林大学学报(信息科学版);2006年02期
中国重要会议论文全文数据库 前10条
1 ;An Improved General Particle Swarm Optimization Algorithm for Fast Infrared Image Segmentation[A];第二十六届中国控制会议论文集[C];2007年
2 李曙光;;粒子群算法在高速公路多路径费用拆分方法研究[A];第二十六届中国控制会议论文集[C];2007年
3 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
4 刘志雄;杨光祥;;基于轮盘赌概率分配编码方法的并行机调度优化[A];第二十九届中国控制会议论文集[C];2010年
5 孙步宽;许小凤;;基于项目反应理论的人才测评软件优势与开发[A];经济发展方式转变与自主创新——第十二届中国科学技术协会年会(第二卷)[C];2010年
6 孙步宽;许小凤;;基于项目反应理论的人才测评软件优势与开发[A];经济发展方式转变与自主创新——第十二届中国科学技术协会年会(第三卷)[C];2010年
7 彭海朋;王向东;李丽香;杨义先;;混沌蚂蚁群算法设计模糊辨识系统[A];2006中国控制与决策学术年会论文集[C];2006年
8 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年
9 张伟;李守智;高峰;刘振山;;几种智能最优化算法的比较研究[A];第二十四届中国控制会议论文集(下册)[C];2005年
10 刘珅砚;高淑萍;梁原;;团购中的供应商的选择模型与算法[A];第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会论文集[C];2012年
中国博士学位论文全文数据库 前10条
1 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
2 刘效武;基于多源融合的网络安全态势量化感知与评估[D];哈尔滨工程大学;2009年
3 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
4 许向阳;乳腺钼靶图像中肿块检测方法研究[D];华中科技大学;2010年
5 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
6 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
7 宫轶松;粒子滤波算法研究及其在GPS/DR组合导航中的应用[D];解放军信息工程大学;2010年
8 张伟;基于图像处理的井下煤尘在线检测技术的研究[D];山东大学;2010年
9 王玉宝;节水型农业种植结构优化研究[D];西北农林科技大学;2010年
10 凌海风;面向装备保障的多准则决策相关方法和技术研究[D];南京大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘奇;基于混合粒子群算法的ZnO镀膜光纤传感器的参数优化[D];南昌航空大学;2010年
2 柳枝华;微粒群优化算法的改进及应用[D];南昌航空大学;2010年
3 姜念;区间自适应粒子群算法研究及其应用[D];郑州大学;2010年
4 杨书显;基于PSO算法的氧乐果合成过程建模与控制研究[D];郑州大学;2010年
5 姜婵娟;遥控式水下机器人PID运动控制算法优化研究[D];哈尔滨工程大学;2010年
6 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
7 张俊;多车场带时间窗车辆路径问题的模型和算法[D];大连理工大学;2010年
8 刘洋;基于粒子群算法的NoC映射问题研究[D];大连理工大学;2010年
9 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
10 李望移;基于引导交叉的遗传算法研究[D];湘潭大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 陈炳瑞,冯夏庭;压缩搜索空间与速度范围粒子群优化算法[J];东北大学学报;2005年05期
2 柯晶,钱积新,乔谊正;一种改进粒子群优化算法[J];电路与系统学报;2003年05期
3 杨俊杰,周建中,吴玮,刘芳;改进粒子群优化算法在负荷经济分配中的应用[J];电网技术;2005年02期
4 杨维,李歧强;粒子群优化算法综述[J];中国工程科学;2004年05期
5 冯恩民,许广键,滕弘飞;带性能约束的矩形图元布局优化模型及不干涉性算法[J];高校应用数学学报A辑(中文版);1993年01期
6 滕弘飞,孙守林,葛文海,钟万勰;转动圆桌平衡摆盘——带平衡性能约束的Packing问题[J];中国科学(A辑 数学 物理学 天文学 技术科学);1994年07期
7 贺一,刘光远,邱玉辉;Tabu Search中集中性和多样性的自适应搜索策略[J];计算机研究与发展;2004年01期
8 曾建潮,崔志华;一种保证全局收敛的PSO算法[J];计算机研究与发展;2004年08期
9 黄岚,王康平,周春光,庞巍,董龙江,彭利;粒子群优化算法求解旅行商问题[J];吉林大学学报(理学版);2003年04期
10 刘成良,张凯,付庄,曹其新,殷跃红;神经网络在机器人路径规划中的应用研究[J];机器人;2001年S1期
中国硕士学位论文全文数据库 前1条
1 汪晗;基于进化计算的多目标优化与决策方法研究[D];中国人民解放军国防科学技术大学;2002年
【相似文献】
中国期刊全文数据库 前10条
1 陈永刚;牛丹梅;范庆辉;;粒子群算法在组合优化问题上的研究与发展[J];电脑与电信;2008年12期
2 秦明明;王坚;姜雷;;基于改进粒子群算法的电力系统有功调度[J];微计算机信息;2010年19期
3 邓璐娟;卢华琦;孙义坤;刁海港;;改进的粒子群算法在测试数据生成中的应用[J];计算机技术与发展;2010年07期
4 汲万峰;姜礼平;朱建冲;孙钧正;;基本粒子群算法和遗传算法用于航路规划的比较[J];火力与指挥控制;2011年06期
5 雍龙泉;张建科;张晓清;;求解一类随机优化问题的粒子群算法[J];武汉大学学报(理学版);2005年S2期
6 张宝菊;单国全;齐名军;;求解非线性约束优化问题改进的粒子群算法[J];天津师范大学学报(自然科学版);2006年02期
7 宫琳;孙厚芳;赖国强;;基于混合算法的典型调度问题求解研究[J];组合机床与自动化加工技术;2006年06期
8 宋初一;姜明晨;时宏杰;姜艳清;姜静清;包德喜;;粒子群优化算法及其应用[J];内蒙古民族大学学报(自然科学版);2006年04期
9 韩世芬;;基于免疫粒子群算法的车间作业调度问题[J];科技咨询导报;2007年25期
10 张生;何尚录;梁国宏;黄辉;;无容量限制设施寻位问题的粒子群算法[J];安徽大学学报(自然科学版);2007年06期
中国重要会议论文全文数据库 前10条
1 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年
2 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
3 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
4 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
5 张顶学;朱迎辉;廖锐全;;一种动态改变惯性权重的粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 张顶学;廖锐全;;粒子群算法分析及惯性权重的动态改变策略[A];第二十七届中国控制会议论文集[C];2008年
7 常俊林;梁君燕;魏巍;;解决流水车间双目标调度问题的免疫粒子群算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 段练;张玉斌;;坐标改进型粒子群算法在应用层组播中的应用[A];煤炭机电与自动化实用技术[C];2012年
9 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
10 周晓君;阳春华;桂卫华;;可变随机函数的PSO算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
中国重要报纸全文数据库 前10条
1 ;起山电信:通信领域的最优解[N];中国计算机报;2003年
2 梁文斌、李连民;寻求城市通信网络的最优解[N];中国计算机报;2003年
3 本报记者 廖新军;德隆困局最优解:破产重整?[N];21世纪经济报道;2004年
4 皮建才;中国的宏观调控何以找不到最优解[N];甘肃经济日报;2006年
5 陈春花;寻求“满意解”[N];21世纪经济报道;2007年
6 程爱娟;旅行推销员问题(TSP)的人工智能解法及其应用[N];新疆科技报(汉);2001年
7 本报记者 申兴;“数量扩张已经远去” 基金“限售”探路规模最优解[N];经济观察报;2006年
8 PALADIN;编程沙龙[N];电脑报;2003年
9 本报记者 张小彩;国有银行重组 为什么要由国家主导[N];财经时报;2004年
10 斯壮;也说“浮躁”[N];人民日报;2001年
中国博士学位论文全文数据库 前10条
1 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
2 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
3 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
5 高浩;粒子群算法及其在图像分割中的应用与研究[D];江南大学;2009年
6 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
7 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
8 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
9 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
10 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
中国硕士学位论文全文数据库 前10条
1 袁洲;基于改进粒子群算法的项目反应理论3PLM参数估计方法研究[D];吉林大学;2011年
2 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
3 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
4 张念志;基于粒子群算法的集送货一体化车辆路径问题研究[D];山东大学;2010年
5 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
6 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
7 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
8 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
9 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
10 朱秀敏;改进粒子群算法的研究及其在天线设计中的应用[D];太原理工大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026