建设大学基于云计算技术的在线考试系统

文摘

随着云计算强大的计算能力,许多最终用户可以创建一个使用云的各种有效的网络应用程序的服务,而不必担心计算技术或访问方法。基于CC技术的按需服务特点和无限的动态扩展功能,本文设计和实现了一个共享的网络考试系统。在Web模式,接收和分发的功能检查数据、身份验证、在线考试和考试结果收集使用SaaS部署结构,可以实现MVC三层体系结构,Java建模语言,XFIE, JSON, Web服务,DES和其他技术结合MySQL数据库。同时,改进的并行遗传退火算法(IPGAA)提出了作为一个CC资源调度策略。CC的IPGAA具有更好的适应性系统各种云资源,因为它结合了快速全局搜索能力的遗传算法(GA)和模拟退火算法的局部搜索能力。仿真测试表明,该IPGAA是有效的。

1。介绍

与应用程序的各种现代信息技术和网络技术的快速发展,许多学校或机构已经逐渐取代了传统的纸质考试在线考试系统,从而提高考试效率和考试质量,并使考试不再受地方和地区(1]。现有的在线考试系统结构模式主要包括客户端/服务器(C / S)结构和浏览器/服务器(B / S)结构2,3]。考试系统的C / S结构,考试中心是独立的。在考试期间,管理员将考题和考生信息到考试中心,和考生在考试中心考试。这种结构主要分布在当地的区域网络,和候选人只能参加考试在规定的环境中,这在一定程度上是有限的时间和空间。此外,这种系统承载能力有限,不容易扩展,容易导致考生的答案是失去了在紧急情况下,有一些现象如断开连接的检查数据同步系统和困难,这使得很难检查系统基于B / S结构的广泛使用。因此,迫切需要新技术来提高这一困境(4]。

云计算的产品(CC)是新一代互联网技术的快速发展,是一个新的神经计算模式(5- - - - - -7]。CC使计算分布在大量的分布式计算机,而非本地计算机或远程服务器。CC的产品集成和分布式计算的发展,效用计算、虚拟化技术、web服务、网格计算等技术。它的目标是,用户可以使用虚拟资源池的最大在任何时间和任何地点通过网络解决大规模计算问题(8]。SaaS(软件即服务)是CC提供的服务之一,它是一个软件应用程序基于互联网提供软件服务的模式,和代表软件技术发展的最新趋势9,10]。同时,双缓存技术和适配器技术用来帮助解决的问题,考生的回答损失和考试之间的数据同步系统在意外的情况下。因此,CC为当前的设计提供了一个技术解决方案在线考试系统。

一个在线考试系统的设计基于CC在本文中是指实际的需求,鉴于连铸技术的快速进步和经济的快速发展。享受高并发考试服务系统可以帮助企业以更低的成本,可以配置和分布式考试服务在任何时候根据考试规模的需求,减少对主系统的压力,增加了并发数,并提供一个稳定的和可靠的大规模在线考试平台,由于CCs无限的动态扩展功能。

本文的主要创新如下:(1)根据系统的功能,针对问题,传统的随机算法缺乏控制能力知识分和生成试卷,困难和低效率造成大量的重复无效的测试问题,提出了一种改进的随机试卷生成算法基于知识分和困难提出了工作的一代。(2)云计算资源调度策略提出了基于IPGAA。它解决单点故障的问题,高通信开销,效率相对较低,现有的资源调度的调度算法。

CC及其应用迅速发展和扩大的学术和工业社区的对它的理解,肯定的作用,共同促进其技术。文献[11连接数据以一种新的方式,调整和改善他们在同一时间,确保他们的独立,解决用户和云安全,和整合资源的使用,这是一个安全的云安全新技术。文献[12)表明,通过Hadoop,“云”巨大的数据集上执行并行应用程序可以在合理的时间,从而支持计算密集型服务。文献[13]研究CC的安全存储,提出了一种可证明模型,以确保数据的可恢复性和纠错性能。文献[14)提出了一种方法将虚拟机模型集成到现有的资源管理框架。使用两级调度方法,将集成到虚拟机管理批处理调度为云用户提供更好的调度服务。然而,目前,预订服务不支持虚拟资源。文献[15]提出的方法自动和快速部署环境中,主要实现了通过分析虚拟集群的上下文环境,如虚拟机的IP地址和安全信息。此外,虚拟专用网为云用户提供了一个可定制的网络环境。

因为虚拟机系统参数,如CPU时间和内存大小并不是相互独立的在CC系统中,系统参数对性能的影响是经常非单调。经典优化算法很少在网络参数配置中使用,因为他们的高时间复杂度。文献[16)自动管理资源基于自我管理策略,描述了如何协调根据政策和消息。文献[17)提出了一个CC虚拟资源分配算法基于蚁群算法。算法得到更好的质量和响应时间,但是它只能用于搜索的计算资源和有限的仿真阶段。文献[18]研究CC技术在智能电网中的应用,介绍了CC技术为传统的智能电网技术,提出智能云的想法,并使深入研究随着智能云的建设,资源管理和相应的安全机制。文献[19)提出了一种基于粒子群优化的资源配置和定价策略。文献[20.,21)表明,反馈控制方法可以用在CC系统完成自适应配置和动态资源分配的虚拟机。

3所示。研究方法

基于CC技术,大学在线考试系统研究了本文使用的算法生成测试文件。同时,提出了一种双健身遗传退火算法,使云计算系统动态制定云计算资源调度解决方案以满足不同的云用户的云资源需求,确保云计算系统的响应时间云用户请求。

3.1。系统的总体设计

3.1.1。云检测系统的整体业务架构

云检测系统是基于CC服务,旨在实现“按需”订阅。它的设计和开发要求可伸缩性和远见,它必须能够与其他现有系统交换数据。作为一个独立的系统,云检测系统将提供多个接口来获取参考人员和考试的信息。除了反馈检查结果到外部系统,它还可以提供综合考试的信息。整个业务结构如图1。

外部子系统、考试子系统、考试信息输入界面,检查登录界面,检查结果反馈接口和监控信息查询界面如图1。整个业务体系结构分为两个子系统和四个接口:外部子系统、考试子系统、考试信息输入界面,检查登录界面,检查结果反馈接口和监控信息查询接口。子系统和接口的详细描述如下:

(1)外部系统:外围子系统是指系统所需要的考试服务。这些子系统的数量是无限的,可以根据需要扩展实现定制检查服务的目的。

(2)检查系统:考试系统是一个系统,提供考试服务的边缘。考试服务器使用分布式部署,采用最短路径路由和转发原理考试服务请求的外部系统,并获得最近的正常服务器处理请求。

(3)检查信息输入界面:考试子系统获得考生的基本信息,通过考试试卷等等信息输入界面。

(4)测试结果反馈接口:测试系统的测试结果反馈接口反馈测试结果到外围系统。

(5)检查登录界面:登录界面是一个单独的入学考试的考试系统所提供的服务,通过参考人员可以直接进入考试系统考试没有登录到外围系统。

(6)监控信息查询界面:信息查询接口是一个内部接口的检测系统,主要用于监视每个服务器的运行状态检查系统并提供参考路由和转发。

3.1.2。系统功能模块设计

根据网上作业和考试系统的需求分析,整个系统分为两个子系统:作业系统和检测系统。作业子系统由学生模块,教师模块,主要完成三个功能:学生独立培训,在线工作,和试卷生成。

定期检查函数是由考试子系统。例如,一个老师可能发送考试注意指导学生完成无纸化与指定的难度系数,期中考试问题,数量和时间限制。教师可以动态地了解学生的课程学习过程中的薄弱环节,加强学生的训练在薄弱的知识要点,并实现智能指导自主学习基于作业的反馈。

图2展示了系统的总功能模块的设计。

3.1.3。数据库的设计和实现

网上作业和考试系统是一个基于数据库的应用系统,用户信息,问题银行信息,试卷信息存储。事实上,这个系统的数据库设计是设计每一个二维表的结构存储在数据库中。该系统包括两个子系统:作业和考试。考试有必要设计一个表来存储信息,以及一个表为每个用户的作业信息、考试信息和成绩信息。由于系统功能在线回答问题,有必要设计一个表来存储问题和回答。

根据需求分析的结果,概念设计使用概念数据模型来表达数据和需求之间的关系。这个模型与数据库管理系统无关,是普遍的22),是独立于计算机软件和硬件系统,与用户沟通很方便。通过系统需求分析,实体(如学生、教师、测试问题和任务,以及它们之间的关系是设计。e - r图之间的关系的学生,老师,作业和测试问题如图3。

3.2。系统开发的关键技术研究

3.2.1之上。系统开发环境

本系统采用MVC(模型-视图-控制器)三层架构模式(即表示层、业务逻辑层和数据访问层逻辑),是用Java语言编写的。Java是一种面向对象的跨平台语言,这个系统可以应用于许多操作系统,比如Windows和Linux。在系统的开发过程中,涉及到的关键技术:(1)ActiveMQ是Apache的开源消息堆栈。系统主要使用ActiveMQ分享一些数据传输和减轻数据库的压力。数据进入队列,然后队列存储数据库中的数据。(2)加密技术的DES(数据加密标准)。它是用来传递重要数据,数据库中的所有用户密码由DES加密,提高了系统的安全。(3)XFire是Java web服务引擎。它可以很容易地发布其他程序调用的web服务接口。(4)MyBatis持久层框架。它可以很容易地将Java对象映射到数据库记录的注释、XML(可扩展标记语言)中编写SQL代码,和从Java代码中分离,有利于系统的维护。(5)JSON (JavaScript对象表示法)是一种轻量级的数据交互格式,便于程序员读和写,也便于计算机解析和生成。

3.2.2。试卷生成算法

网上作业和考试系统的用户是学生和教师。对于学生,作业和考试的目的是检验自己掌握的知识,同时教师判断学生的掌握课程内容通过学生的培训和提交作业,并适当地调整教学计划。生成试卷的算法应该是合理的,公平的,和科学。

生成试卷的过程是选择适当的参数,并根据一定的策略生成试卷,选择符合要求的试题从测试题库组成试卷。体积的过程形成具有以下步骤,如图4。

解释生成试卷的过程如下:(1)因为这种策略用于作业和试卷生成,这两个操作的需求是不同的。工作是生成时,分数是不确定和调整。(2)在确定的数量问题,考虑到考试时间是有限的,应安排适当数量的问题。(3)调整测试分数的目的是考试分数更合理。教师可以调整考试成绩略根据试题的难度总分是100。

试卷是一个过程,使所选的测试属性根据约束条件满足这些条件。具体地说,它是可以理解的,试卷由测试问题,每个问题有7属性来满足,这是由一个表示矩阵:

在上面的矩阵中,每一行表示一个测试问题,试题属性表中对应的属性,即问题 ,问题类型 ,章 ,难度系数 ,歧视 ,试题得分 ,和二级点知识。矩阵约旦应该满足以下条件:

知识约束:

属于第一个测试问题点知识,本章分+ 1。

问题的约束:

根据通信电子电路的特点,试题的类型设置为选择、填补空白,短答案,和计算。在分组的过程中问题,试题的结构是固定的。用于表示,在哪里是许多不同类型的问题,计算公式是什么

总分约束:

试卷的总分可以表示为 ,和默认的满分是100。

困难的约束:

困难的因素表示为

创建测试纸的问题本质上是一个多约束组合优化问题。许多约束,如问题类型,知识,和困难,必须满足为了生成一个合理的、科学的试卷。这些问题相互交织。在创建试卷时,不同的权重分配是基于每个属性的重要性,为了满足尽可能多的约束。

定义整个错误的试卷,这等于错误值每个索引乘以他们的重量值 ,最后理想的结果是,简化误差值的最小值问题尽可能多的,

3.2.3。CC资源调度

CC资源的分布、异构和动态确定CC资源调度系统的复杂性。因此,对云资源调度的研究已成为CC系统的另一个关键问题。解决上述问题,本研究提出了一个CC资源调度策略每年基于改进的并行遗传算法(IPGAA)。图5给出了具体的算法流程。它使CC系统动态制定云计算资源调度解决方案以满足不同的云的云资源需求的用户,同时确保CC系统云用户请求的响应时间。

根据最优解决方案,云用户可以请求CC的有效可用的云资源调度系统,使得整个CC系统的资源调度以平衡的方式,有效地提高整个系统的效率。

虚拟机资源可以被描述为一个六倍,如以下公式所示:

的类型,表示虚拟机独特的识别号码;代表的虚拟cpu数量CC系统;代表了虚拟机的内存大小的CC系统;代表了所允许的最大带宽CC的虚拟机系统;代表了失败率CC的虚拟机系统;和代表的价格使用CC中单位时间内的虚拟机系统。

根据CC系统资源调度的特点,本研究提出了编码可用的云资源被每一个云用户间接编码的子任务。图6显示了在这项研究中,使用的编码方法及其具体的编码方案如下:每个点的位置号染色体表示数量的云用户子任务;染色体代表可用资源的数量被云用户子任务,这是每一位的正整数所代表的价值。

在图6,代表了云用户子任务的数量代表可用云资源的数量占据了云用户在执行子任务。

所有云用户请求的总完工时间任务运行在一个虚拟机是虚拟机的云用户任务执行时间。结果,总完成时间需要在整个CC系统运行所有云用户任务等于所有虚拟机的最大运行时间运行云用户的任务,也就是说,

在上面的公式中, 代表执行所需的时间 - - - - - -th云用户任务的虚拟机的识别号码 ; 代表了云用户任务的数量标记上运行虚拟机 ;和显示的总数在CC运行虚拟机系统。

IPGAA算法的选择操作符的操作提出了研究实现了轮盘赌模型;也就是说,每个个体的选择概率正比于其健身的价值,和用于表示个体的选择概率;然后,

应该指出,在IPGAA算法在这项研究中,交叉概率和变异概率是动态变化的,功能和函数

染色体的最大的健身价值在现代进化种群是由类型 ,这是一个常数;代表了最大的健身价值的染色体在当代人口进化;表明,健身的两条染色体交叉当代进化人口比较大;代表了染色体的最小健身价值在当代人口进化;代表所有的平均健身价值在当代进化种群染色体;表明两条染色体交叉在当代进化的健身人口很小;和代表了当代进化变异染色体人口的健身价值。

从上面的分析,可以得出结论,IPGAA算法在这项研究中使用的间接编码模式“resource-task”和云资源再分配的过程被云用户的任务对应于流程人口是由染色体的交叉和变异算子在IPGAA算法生成新的染色体。因此,采用IPGAA算法解决CC系统中的资源调度问题,结合两者的特点,并提供了一个有效的方法在CC系统资源调度问题。

4所示。结果分析和讨论

4.1。试卷生成的结果和分析

为了测试的改进遗传算法生成测试纸的性能,第二组实验,每个实验进行20次,成功的运行时间是平均,点算算法的成功率和知识。

实验:6个选择题,填空题,8简短的回答问题,和5计算问题,难度系数0.55。章:所有章节,选择所有二级点知识,和问题银行:600;

实验2:12个多项选择题,填空题,15个简短的回答问题,和10计算问题,难度系数0.55。章:所有章节,选择所有二级知识分,问题银行的数量是600。

实验进行了20倍,结果如图7和8。

数据7和8表明,GA需要更长的时间比一个随机算法生成测试文件在相同条件下,其成功率大大提高,特别是测试银行的数量和增大的问题。值得牺牲时间系统为了提高成功率。

4.2。Map / Reduce模型性能分析

由于实验条件的限制,选择一个Hadoop分布式平台为主要服务器,和其余七个节点服务器。有关Linux环境下验证。本研究充分考虑了每个不同的计算节点的计算性能,之间的距离映射任务,节点和主节点之间的距离。Map / reduce考虑负载均衡,但分配不平衡。的首10个任务平均在20个测试中,我们比较数据结果的准确性由一个map / reduce检索模型和两个map / reduce模型,如图9。

而二级map / reduce分类存储,确保任务的时间效率,其索引检索效果明显优于在二级分类存储在主map / reduce模型。原因是主要的map / reduce有太多数据和返回结果太多,和数据结果往往不完整和不准确,导致用户的兴趣下降。

然而,二级map / reduce分类存储减少了搜索的数量,提高了返回结果的准确性和用户满意度,并更有针对性。

4.3。仿真分析

为了证明的有效性和效率IPGAA算法在本文中,本文使用CC CloudSim仿真工具进行仿真实验,选择Cloudsim-3.0.2版本软件。Cloudsim工作模型,云信息服务是负责分配适当的CC资源用户请求。其中,数据中心代理负责任务分配给虚拟机。虚拟机分配控制策略负责完成虚拟机和主机之间的映射。虚拟机调度程序是一个抽象类实现主机组件和模拟虚拟机的分配和调度策略。

这个模拟主要是DatacenterBroker的延伸,在介绍了IPGAA实现虚拟机的部署任务。

有任务和虚拟化的资源。资源调度场景的模拟实验两组:第一组模拟20资源和30/70/100任务,和第二组模拟30资源和30/70/100任务。当人口大小设置为300,分为6个亚种群,每个分组人口的大小。

通过大量的仿真测试,图10给出了具体的实验结果。在图10,该算法完成时间和算法的进化代数IPGAA算法是通过运行该算法获得的平均值50倍。

从图可以得出结论10当云用户任务的数量不变,例如,当云用户任务的数量 ,随着可用的云资源数量的增加20到30,IPGAA算法减少的完成时间;当云用户任务的数量 ,越来越多的可用的云资源,也就是说,当可用资源数量的增加从20到30,IPGAA算法的完成时间大大减少。

与此同时,数字10表明,云用户任务的人数从30到70年和100年,增加和IPGAA算法的算法完成时间显示了整体上升趋势。然而,算法的完成时间没有与云用户任务的数量成倍增加;相反,它是一个过程,增长比例相对减少,显示一种优化本质上的趋势。同样的,当数量设置为可用的云资源 ,可以得到类似的结论。

图11列出了仿真执行结果IPGAA算法的条件下,资源的数量和 ,云用户任务和计划的数量。

从图可以得出结论10当云资源设置为可用的数量和云的数量设置为用户任务 ,IPGAA算法收敛于全局最优解在38一代,和解决方案的平均完成时间IPGAA 38后算法在每一代一代在38是一样的一代。因此,可以得出结论,IPGAA算法收敛和具有良好的稳定性。

当可用的云资源的数量设置为和云的数量设置为用户任务 ,IPGAA算法收敛于全局最优解当它运行到28日代。在28日之后的一代一代,解决IPGAA算法的平均完成时间是一样的,在28日代左右,和它也可以得出结论,IPGAA算法是收敛的,具有良好的稳定性。

为了进一步验证本文IPGAA算法的效率,本文比较了IPGAA算法,简单的GA算法,和简单的模拟退火算法,并比较这三种算法的性能任务总完工时间和云用户任务完成分散。上述两个方面的性能比较结果如图12和13。

从图可以得出结论12总完工时间的云用户任务在CC系统中,最后一项任务完成时间的三个调度算法,即IPGAA算法、GA算法,模拟退火算法,几乎是相同的。然而,IPGAA算法与模拟退火算法相比,表明其收敛性更好、更快。

这充分表明,IPGAA算法不仅能减少总完工时间的云用户的任务,但也接受nonoptimal解决方案有一定概率,从而有效地避免局部收敛由于遗传算法的快速收敛和大大提高云用户任务调度算法的性能。

从图13,可以得出结论,IPGAA算法的收敛速度慢于GA的因为它可以接受nonoptimal IPGAA算法的解决方案根据一定的概率。

此外,IPGAA算法可以有效防止局部收敛,和最终的云用户任务完成分散小于简单遗传算法和模拟退火算法简单。云用户的小型分散任务完成,云用户满意度越高,表明IPGAA算法取得了云用户满意度高于其他两种算法。

5。结论

由于封闭、分散和不均匀分布的资源在网络考试系统在企业的应用,CC技术引入网络考试系统,解决了这个问题的动态分配考试资源的需求,并成功地设计和实现一个在线考试系统基于CC。有两个子系统:创建在线作业,在线考试。在线作业模块给学生做在线练习和作业的能力,使教师更容易跟踪学生的作业,发现任何泄漏或空白的指令。CC系统IPGAA算法具有更好的适应性和各种云资源,因为它引入了遗传退火算法的基本思想,充分结合快速全局搜索能力的遗传算法和模拟退火算法的局部搜索能力。

云技术要求大量用户参与,不可避免地出现和隐私问题。用户的参与意味着收集某些用户数据,从而导致用户数据安全的担心。很多用户担心自己的隐私会被云技术收集。由于这个原因,在加入云计划时,许多供应商承诺避免尽可能收集用户隐私,甚至如果他们这样做,他们不会披露或使用它。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

引用

a . t .问:Al-Aqbi r . r . Al-Taie, s . k .易卜拉欣,“在线考试系统的设计和实现基于msv和SQL的大学生在伊拉克,”Webology,18卷,不。1,第430 - 416页,2021。视图:出版商的网站|谷歌学术搜索
w .金融街控股,y元,j . Cai”基于SaaS的分布式在线考试系统的设计模式,”现代电子技术,42卷,不。12日,48-51,2019页。视图:谷歌学术搜索
y Yanyan, h .以下,k, g .贝和l .心心,”计划对基于群签名的跨域身份认证云计算,“武汉大学自然科学杂志》上,24卷,不。2、134 - 140年,2019页。视图:谷歌学术搜索
Qianhuazhu”,在线考试系统的设计和测试基于MyEclipse、”软件工程及应用,08年卷,没有。3、99 - 103年,2019页。视图:谷歌学术搜索
j .香港h . Wang x, x, x,和林,“Multi-stream混合架构基于横向校正融合策略细粒度在精准农业作物物种的认可,“计算机和电子产品在农业文章ID 106134卷,185年,2021年。视图:出版商的网站|谷歌学术搜索
张y, z黄问:李et al .,“单向变异和深CNN降噪先验同时destriping和光学遥感图像去噪,”国际遥感杂志》上,40卷,不。15日,第5748 - 5737页,2019年。视图:出版商的网站|谷歌学术搜索
X.-B。金,W.-Z。郑,J.-L。香港et al .,“深度学习时间预测通过双向self-attentive encoder-decoder IOT-based框架环境传感智能温室,”农业,11卷,不。8,802年,页2021。视图:出版商的网站|谷歌学术搜索
h, h·张,j·黄和z,“考试系统的设计基于虚拟仪器的农药检测人员,“现代电子技术,卷042,不。2,调查2019页。视图:谷歌学术搜索
h . ru张”,云计算技术的应用,在大学的信息化建设和发展,“软件工程及应用,8卷,不。2,32-37,2019页。视图:谷歌学术搜索
w .太阳和y高,“大学体育教育管理框架的设计基于边缘计算和数据分析,“无线通信和移动计算,卷2021,不。2、文章ID 5537471、8页,2021。视图:出版商的网站|谷歌学术搜索
王j . b .赵,“智能系统基于云的交互式在线教育大数据分析,“智能和模糊系统杂志》上,40卷,不。1、1 - 11,2020页。视图:谷歌学术搜索
吴x”,研究英语在线教育平台基于遗传算法和区块链技术,”无线通信和移动计算,卷2020,不。9篇文章ID 8827084, 7页,2020。视图:出版商的网站|谷歌学术搜索
A . k . Samanta比比Sarkar, n . Chaki”blockchain-based智能合同向发展中获得了大学考试制度,“数字信息管理杂志》上,卷2021,不。11日,1-13,2021页。视图:谷歌学术搜索
n . d .刘”框架和性能分析大学英语测试系统基于数据挖掘技术,”智能和模糊系统杂志》上,卷2021,不。3、1 - 11,2021页。视图:谷歌学术搜索
答:a . Alghamdi m . a . Alanezi f·汗,“小说提出了智能考试系统框架,”印度科学和技术杂志》上,12卷,不。25日,1 - 4,2019页。视图:出版商的网站|谷歌学术搜索
黄永发。公园,黄永发。哦,和美国公园,”回顾兴奋剂检测的引入在竞赛项目的相关部门的大学入学考试制度,“韩国体育科学杂志》上,30卷,不。1,第716 - 703页,2021。视图:出版商的网站|谷歌学术搜索
y锣和h凌,“独立研究和开发新学生的教育考试制度,“计算机知识和技术,15卷,不。14日,55-57,2019页。视图:谷歌学术搜索
w . Weli”、复审和扩大euc模型基于云的ERP系统,”信息和组织科学杂志》上,45卷,不。1,第135 - 115页,2021。视图:出版商的网站|谷歌学术搜索
e . Araka e·麦纳r . Gitonga r . Oboko基霍洛j .,“大学生感知有用性的学习管理系统功能在促进自主学习在网上学习,”国际期刊的使用信息和通信技术教育和发展,17卷,不。1,45 - 64年,2021页。视图:谷歌学术搜索
m . Alghobiri和o·a·纳斯尔,”一个辅助检查处理系统使用二分法算法,根据课程目标”印度科学和技术杂志》上,13卷,不。10日,1135 - 1147年,2020页。视图:出版商的网站|谷歌学术搜索
j .之“java编程在线考试系统的发展,”计算机知识和技术,15卷,不。7,142 - 144年,2019页。视图:谷歌学术搜索
j·张,“微型智能电网"基于改进遗传退火算法优化调度,“能源和电力工程的进步,8卷,不。1、1 - 11,2020页。视图:谷歌学术搜索

科学的规划