李浩军;张鹏伟;张，郑;王万良 基于多维信息特征映射模型的在线学习路径优化方法。 （中文）。英文摘要） Zbl 1438.68094号 控制拒绝。 34，第6期，1132-1140（2019）. 摘要：针对在线学习路径优化方法与学习者之间的匹配度不高的问题，本文首先构建了在线学习路径的多维信息特征映射模型（MIFMM），它基于学习者和学习资源的多维信息特征，集成了Kolb学习风格和学习资源类型信息。然后，设计了一种双映射二进制粒子群优化算法。根据进化因子ef，DMBPSO算法将学习路径推荐过程分为收敛和非局部乐观两种进化状态，采用与进化状态特征相匹配的映射函数选择策略，并动态调整惯性权重以提高学习路径推荐性能。此外，本文将MIFMM与DMBPSO算法相结合，提出了一种基于MIFMM模型的在线学习路径优化方法（MIFMM-POA）。最后，将MIFMM-POA方法与基于其他四种粒子群算法的学习路径优化方法进行了比较，并从优化精度、优化过程和优化时间三个方面进行了分析。实验结果表明，MIFMM-POA方法是优化学习路径的有效方法。 MSC公司： 68T05型 人工智能中的学习和自适应系统 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：在线学习路径优化;映射模型;多维信息特征;二进制粒子群优化;演化状态 PDF格式BibTeX公司 XML格式引用 \textit{H.Li}等人，《控制决策》。34，第6号，1132--1140（2019；Zbl 1438.68094） 全文： 内政部