在线笔记分享平台的设计与实现外文翻译 (2)

沈阳工业大学本科生

毕业设计（论文）外文翻译撰写要求与格式规范

根据《沈阳工业大学毕业设计（论文）工作的规定》，对本科生毕业设计（论文）外文翻译要求如下：

一、参加毕业设计（论文）的学生必须翻译一篇外文原文资料（外语专业除外）。

二、外文文献应由指导教师审定，必须与所学专业及毕业设计内容密切相关。

三、外文文献应选自学术期刊、学术会议的文章、著作及其他相关材料，并列入毕业设计（论文）的参考文献。

四、外文文献要不少于一万二千个外文印刷符号（约三千汉字）。

五、指导教师应对学生外文翻译与毕业设计内容的相关性、翻译量及翻译的准确性等进行综合评价，手写不少于40字的评语并签名。

六、外文原文可以复印，也可以打印电子期刊原文。

七、译文采用A4纸印刷，边距：上下2.54厘米，左3.50厘米，右2.5厘米，左侧装订。大标题黑体小三号字，一级标题黑体四号，二级标题黑体小四号，正文宋体小四号。

八、装订顺序依次为封面、原文、译文、指导教师评语。

教务处

2019年3月

本科生毕业设计（论文）外文翻译

学 院：

学 号：

专业班级：

学生姓名：

指导教师：

年 月 日

在线日语考试的设计与实现-基于遗传算法的系统

Zeng Dengqing and Yang Zhangwei

为了解决学生日语理论知识在线考试的问题，本文进一步优化和调整了在线日语考试系统的设计，提出了一种基于遗传算法的在线日语考试体系。以日语考试为研究对象，在综合分析传统在线考试系统组卷速度慢、成功率低、质量低等问题的基础上，提出了一种基于遗传算法的智能组卷模型，详细描述了遗传算法的实现过程和关键步骤。结果表明，基于遗传算法的在线日语考试系统可以满足更复杂情况下的试卷生成需求。经过长时间的运行和不断改进，在线日语考试系统已经获得了最佳解决方案的适应性。适合度值为99.666667；当适合度为该值时，试卷题型得分的误差为0，试卷上的平均难度误差为0。分段测试点分布的误差为0.666667。这充分说明了日语在线考试系统的稳定性和有效性，可以满足日常日语专业学生的需求，提高日语教学效率。

1.导言

进入新世纪以来，随着科学技术的快速发展，计算机网络技术逐渐应用于各行各业。与此同时，计算机网络技术的不断进步给许多领域带来了许多便利，为教育产业的发展提供了技术支持。例如，在课堂和实验室中使用大量的计算机来处理教学过程中的各种任务，这更方便、快速、安全。其中，我们可以利用遗传算法的智能计算优势来开发和改进在线考试系统。本文基于遗传算法的优点和原理，分析了在线考试系统的优缺点。同时，以日语考试为研究对象，在综合分析传统在线考试系统速度慢、成功率低、质量低等问题的基础上，构建了基于遗传算法的智能组卷模型，以进一步改进和优化日语在线考试系统。通过高效稳定的日语在线考试系统，我们可以有效地发现学生日常日语学习中存在的问题，提高日语教学质量，激发学生的积极性和主动性。

2.相关工作

刘等人表示，中国在线考试系统的研究起步较晚。1998年，中国开始兴起在线教育平台，并将在线考试系统引入在线教育平台。在线考试系统的引入提高了考试管理的效率，减轻了教职员工的工作压力，解决了考生远程考试的难题[1]。Sugisawa等人表示，不久之后，中国各大高校相继开发了在线考试系统，其中上海交通大学和北京邮电大学的发展更为突出[2]。阿拉克比等人表示，21世纪后，中国的科学技术进入了一个快速发展的时代[3]。除了高校，社会培训机构也逐步引入了在线考试系统，如计算机等级考试和驾驶学校考试，涉及范围广泛。Clivaz等人表示，随着中国科技的进步，中国的在线考试系统技术也取得了进步，有效开发了各种在线考试软件，使在线考试系统更加全面[4]。

近年来，中国专家在自动在线考试系统的研究上投入了大量精力，并在该领域取得了突破，取得了丰硕成果。近年来开发的龙在线考试系统功能系统更加完善，还可以针对各种试题进行优化，确保在优化过程中各种操作界面更加方便。

Mizuma和其他人表示，在线测试中第一个测试开发的算法是书籍测试生成。试卷生成效率非常低，这使得教师更有效率[5]。此外，论文的质量各不相同，很大程度上取决于考官的能力。为了解决这些问题，可以进行自动化测试。Makino和其他人表示，这些测试不是自动计算机化的，无法从教育测试问题中选择所需的问题来进行测试。测试的准确性和质量仍然难以保持。因此，专家们在此基础上引入了技术测试，主要研究的是非技术测试概念的自动化[6]。

李等人指出，“智能组卷”已成为在线考试系统的核心技术。例如，通过在自动在线考试系统中添加复杂的智能算法，在线试卷生成的效率得到了显著提高[7]。田、Z等人表示，近年来开发的在线考试系统越来越完善，具有方便快捷的试卷生成功能[8]。Acosta等人表示，该系统主要适用于企业级考试，功能完善，优势明显，能够从根本上解决用户的实际问题[9]。例如，操作步骤科学方便，试卷方便快捷，支持多人在线，保证了答案过程的保密性。然而，在考试系统技术的研究中，它还没有开发出更多的基本功能，主要是对原有功能的扩展、改革和完善。

曹等人对国内外研究的分析表明，在线考试系统具有较高的声誉，相对发达[10]。目前，在线考试系统的研究主要集中在智能试卷的生成和自动评分技术上。在遗传算法的技术支持下，智能技术可以有效提高在线考试系统的效率和准确性，如图1所示。

3.方法

遗传算法从一个潜在的群体开始，这个群体是具有不同编码的多个个体的组合。染色体是决定个体外形的主要载体。在初始种群中，根据自然进化原理，逐渐生成更好的近似解。根据个体的适应度进行选择，然后将交叉和突变结合起来，生成一个新的群体。这个过程使新的种群比初始种群更好，并且最新种群中的最优个体可以用作问题的近似最优解。遗传算法的流程图如图2所示。

遗传算法从群体开始，评估群体中的个体，而不是从个体开始搜索。这有利于全局选择，因此遗传算法更容易实现优化。相反，传统的优化算法会搜索个体，因此很容易陷入局部最优解。这就是遗传算法不同于传统优化算法的优点。遗传算法基于概率进行搜索，而不是执行确定性定向。因此，搜索范围更大，生成群体并评估群体中的个体。遗传算法将根据适应度函数自行组织搜索，并选择适应度较大的个体组成一个新的群体。因此，它具有很强的组织性和适应性[11]。

通过使用随机函数，初始种群由n个个体组成。第一步是测量人口数量。一种常见的方法是将人口记录为50或50的倍数作为默认值。过去的研究表明，人口规模与试卷制作的成功和质量直接相关。如果人口被不合理地确定，则会出现局部最优问题[12]。

编码方法是遗传算法的基础。编码水平直接决定了问题解决的质量。自遗传算法提出以来，经过多年的发展，已经形成了许多不同的编码方法。其中，应用最广泛的有：混合编码、二进制编码和实数编码。特别是，遗传算法在函数优化、生产调度、模式识别、神经网络和自适应控制等领域发挥着重要作用。

图1：基于遗传算法的在线日语考试系统的设计与实现

图2：遗传算法的流程图

适应度函数的选择必须满足两个条件：早期没有“过早”现象，后期不会有“衰退”。只有满足这些条件的适应度函数才能提高个体之间的适应度，减少分化，并从整体上获得最佳结果[13,14]。在实践中，这种转换过程相对简单，如下式所示：

当期望优化结果的总值为正时，表明期望优化结果与个体适应性问题基本一致，如下式所示：

通过调整整体匹配函数、目标函数和约束条件，实现相应个体之间的优化，以确保目前可以获得最优解，如下式所示：

上面，fx)是适配函数，α是正态数，F（X）是目标函数，β是常数系数。目标函数可以缩放和转换。确定系数的方法有很多，如下式（5）所示：

或如下式（7）所示：

选择算子基于不同个体的不同适应度。其染色体在下一阶段的状态取决于染色体的优化程度和极限性能。下一阶段将继续复制健康状况良好的个体，而健康状况较差的个体将在下一阶段直接被淘汰。其运营策略是留住最优秀的人才，防止出现局部最优解，坚持精英留住策略。遗传算法中选择算子的功能是避免格山基因的破坏，提高整体计算效率[15]。选择算子的主要选择方法包括轮选择法和随机选择法。本文档主要选择轮盘赌的选择方法，如图3所示。

交叉算子主要依据特定的原理和方法进行计算。在对整个群体进行随机选择的过程中，必须确保染色体满足相关交换的要求，并随机配对和选择组进行交叉操作，这样可以使整体优化效果达到最佳[16]。

当使用遗传算法时，必须首先建立某些控制参数，以便算法实现其预期目的。控制参数包括交叉率、变异率和终止迭代。为了优化性能，通常会选择以下参数设计方法。

试验法的操作过程是首先对所有主要参数进行整理和组合，然后对这些组合得到的参数进行操作，最后对操作得到的结果进行比较和综合分析，选择最优控制列表。

实证方法是基于专业教师或学者的判断和以往的研究经验来确定具体参数的分析值[3]。

以上介绍详细介绍了遗传算法在智能组卷中的应用过程和工作原理。并简单指出了遗传算法在“染色体”适者生存过程中存在的问题和避免方法。为了提高操作效率并优化结果，它在制作试卷的特殊过程中充当智能模块。

图3：轮盘选择示意图

通过变体和交叉点的各种组合，可以以重复的思维方式考虑设计，以便从人群中发挥个体情况，从而确保整个变体仅在母体内控制以供观察。试卷生成系统的操作流程图如图4所示。

在整体操作中，每个参与的功能模块都将被编码，以方便在实际操作中实时搜索约束组。编码的设计应根据不同的问题类型进行区分。类结构设计主要设计主要模块类和类之间的关系，并采用类图的方式进行表达。根据问题类型，可以直接建立固定的对应功能模块。表1中示出了设计分区代码的示例。

除了用问题编号对大量个体进行编码外，整个题库中还有M个问题，需要用二进制字符串描述文档进行区分，如下公式所示：

如果试卷的总分设置为总分，则可以得到以下计算公式，如以下公式所示：

图4：试卷生成系统的操作流程图

表1：设计分区代码的示例

在此公式中，设置每个分量的加权平均值中每个数字的频率。公式如下：

当使用特殊算法时，根据运动函数的最小值来解决问题，因此相应的运动函数如下：

适配函数的基本要求如下：一是确保在输入的情况下所有变量都是正的。第二，确保在整个优化过程中取得一致的进展。适合度函数可以构造各种有益参数，适合度函数也可以用来表示各种单独的空间（S）。相应的函数（F）如下：

将构成总匹配度函数的三个元素相加，得到总匹配度的值。公式如下：

经过长期的努力和日本在线测试的不断改进，遗传算法经过长期的发展和壮大，已经获得了最佳解决方案的实力。物理值为99.666667。输出此值时，测试结果查询类型的误差为0，测试平均难度的误差为零，部分测试点的分布误差为0.666667。图5显示了获得该最优解的适应度的过程。

（1） 日语基础知识：

它是指学生在日语学习中必须掌握的基本知识和技能。这些日语知识和技能在试卷中进行了测试。

图5：最优解的适应度曲线

（2） 日语考试大纲。向考生反映日语考试的主要方向，并提示关键知识点

（3） 日语考试的困难。它主要指考生正确回答试题的难易程度。客观问题的难度可以通过以下公式计算，如下式所示：

主观试题的复杂性可以用以下公式计算，如下公式所示：

结合实际需要，我们可以建立一套数学模型，然后为这个数学模型设置一些约束变量。为了控制日本电子试卷整体问题类型的复杂性，有必要建立一套标准的试卷机制。NP完全问题是NP类问题的一个子类，具有特殊性质和特殊意义。在生成试卷之前，我们应该首先确定整套试卷的问题类型分布、考点范围、难度系数、分数分布等。结合实际情况，我们可以确保试卷生成的科学性和参考价值，如表2-3所示。.

表2：单选题等客观题信息

4.实验与分析

建立一个名为“in”的考试数据库，并完成所需数据表的创建。创建数据库后，需要建立系统前台接口和后台数据库之间的连接。与数据库的连接操作在程序中重复使用。因此，数据库连接、查询对象创建和结果集创建的功能都封装在一个名称中。系统的数据库连接采用数据连接池技术。

作为一种检测手段，检查应该是严肃的，对安全性有特殊的高要求。因此，用户分为两类：管理员和候选人[17]。它们有不同的层次。进入系统时，他们需要身份验证，需要输入身份验证码。管理员帐户是专门为可以对计算机进行整个系统更改、安装程序和访问计算机上所有文件的人设置的。只有具有管理员权限的用户才能完全访问计算机上的其他用户帐户。这里的身份验证标识码是系统为每个服务器连接直接生成的唯一随机数。用户登录时必须输入识别码；否则，他们将无法登录。特别是在学生日语考试中，一旦考生打开浏览器并进入登录界面，就会生成相应的唯一ID码。此时，系统将自动跟踪用户。考试结束前，用户不允许再次登录，因此考生不能同时从多个窗口和多个地方登录，从而有效避免了学生在日语在线考试中作弊，如图6所示。

通过认证后，学生进入在线考试主页，选择日语考试的具体内容，并调出试卷进行考试。考生的答案以文档的形式保存在服务器上。在日语在线考试中，您可以在完成每一页试题后点击提交答案，然后在下一页完成试题。如果你想中途退出考试，你可以点击“中途退出”。系统会自动显示你退出前的试题和正确答案，并进行比较以获得分数。如果所有试题都已完成或考试时间结束，系统将显示所有试题及其标准答案，并将其与用户的答案进行比较并给出分数。

试题上传界面可以在上传试题的过程中使用批量上传功能，可以有效减轻数据库的负担[18,19]。在试题信息管理模块中测试题库调整界面，管理员可以查看、删除和修改题库的内容。

使用在线日语考试系统后，整个考试过程如下：考生通过浏览器进入在线日语考试的入口页面。输入正确的用户信息后，考生进入日语考试系统，随机选择试题。点击“开始”后，系统会自动生成试卷，并通过浏览器在客户端显示。系统开始计时并开始考试。考生提交试卷后，计算机会自动标记客观问题，获得分数，并将分数计入数据库。主观问题，如简答题，可以通过计算机和人工相结合的方式进行标记。

因此，在线日语考试系统应考虑以下功能：实现题库的管理，如题库的建立、试题的录入、修改和删除。题库中的问题类型主要是客观问题，如单选、填空和判断。学生在互联网上登录系统，随机选择试题进行考试。在考试过程中，它可以自动计算时间并显示学生的剩余时间。考试结束时，它可以自动拿起试卷并更换试卷[20]。

学生的考试成绩可以在线查询，他们自己的试卷可以重新检查。实现与高校教务管理系统的无缝链接，学生成绩可以自动导入教务管理系统，方便学生查询。日语教师可以在考试前设置考试参数，如考试科目、考试时间和考试范围。考试结束后，日语老师可以分析考试结果，如每章和问题类型的分数，以及每节课的分数统计。登录系统的用户，包括系统管理员、教师和学生，应具有不同的权限[21]。

表3：问答题等主观题信息表

图6：系统登录界面

根据权限登录不同的功能界面。管理员登录管理模块的流程如图7所示。管理员登录管理功能用于在进入考试管理系统时验证管理员的身份。登录考试管理系统时，系统允许管理员表达自己的身份。不同的管理员具有不同的权限。系统验证管理员是否为合法用户。当管理员输入的用户名和密码正确时，他可以进入管理系统。根据不同权限为管理员打开相应的管理功能。一个完整的软件测试管理工具应该能够管理测试过程的各个方面。教师登录管理模块的流程如图8所示。

教师登录管理模块的功能主要是完成试卷生成，并在教师授权后提交。系统将试卷存储在数据库试卷表中，生成题库形式，供学生提取试卷并查看结果。教师还可以查询学生用户，输入分数，发布考试安排和其他新闻信息。教师可以查看学生的作业。学生用户登录考试模块的过程如图9所示。

图7：管理员登录管理功能的系统流程图.

图8：教师登录管理模块流程

学生用户认证意味着在日语在线考试期间，考生只有在通过人脸识别或身份证识别后才能登录系统参加考试[23]。身份认证在日语在线考试过程中非常重要。这与考试的严肃性有关。

在线日语考试系统支持免除监考环节，所有考场要求都可以通过考试设置来实现。因此，日语考试系统的主要功能是考场环境的各种功能，如考试时间、考生名单、选题组试卷和评分标准。登录后，学生可以选择科目并参加考试。考试结束后，他们可以看到他们所做问题的正确答案和分数。

Java语言中的通用输入和输出流类使用单字节读取方法进行数据I/O操作。也就是说，一次只能读取或写入一个字节的数据。这种方法显然既繁琐又低效。读写过程如图10所示。

因为Java语言提供了一个专门用于提高系统I/O效率的缓冲区类，所以它就像在读写数据时提供一个临时缓冲区。一次可以读取缓冲区大小的数据块。它可以减少读写数据的数量。如果每次只传输少量数据，则需要多次传输，这将浪费大量时间。然后，该数据块可以一次写入目标设备[24]。在网络数据传输中，设置数据缓冲区一次读取一个数据块以提高系统性能尤为重要。使用数据缓冲类进行读写的流程图如图11所示。

为了验证客户端输入信息的存在性和合法性，通过基于客户端的编程来实现。例如，学生和教师管理员在注册或登录时必须通过客户端输入的存在性和合法性的验证。具体来说，如果必须填写的信息未填写，系统将发出存在警告。例如，对于那些在类型组成、长度极值等方面不符合要求的系统，系统也会向客户端发出警告。这可以大大减轻服务器的负担，提高程序的可靠性和系统的运行速度。

图9：学生用户登录考试模块流程

图10：单字节读写

图11：使用数据提供类的读写过程.

针对服务器端数据库中的服务器端用户异常，使用服务器端编程来纠正用户的不当行为，以确保系统的正常运行。例如，当系统从客户端获取的数据内容、数据类型、数据格式和数据调度处理过程与服务器中的数据库冲突时，系统可以及时发出警告并指导正确的处理方法。在该系统中，这种异常消息处理机制贯穿于所有数据的处理过程，并在日语考试系统的远程试运行实践中表现出良好的容错性能[25]。

该系统具有非常严格的身份验证程序。学生管理员必须经过身份验证才能登录，不同用户的权限不同。例如，不同的管理员只能使用自己的权限进行操作。通过严格的身份认证和不同的权限设置，保证了在线考试系统的安全性和数据安全。

此外，我们还通过编写模块化函数和以面向对象的方式封装过程代码来优化源代码，以提高源程序的可重用性和执行效率。

为了完成日语课程所有学习内容的测试，每个数据库都有一个根据问题类型（单选、填空、真假和简答题）的数据表[26]。管理员设置测试参数时，可以选择测试对象。题库中建立了以下表格：多项选择题、填空题、判断题和简答题，用于存储各种类型的问题。

为每个问题添加难度、偏见和其他属性，以提高测试质量。学生信息表用于存储重要的学生信s息，通常包括学生编号、身份证号码、姓名、系主任等项目。信息可以通过大学的学术管理部门发送。用户表用于存储管理信息，包括编号、用户名、密码、授权和其他设备。教师表用于存储教师信息，包括帐号、密码、姓名、办公室和其他项目。测验表用于存储由测验算法创建的测验。答案用于存储学生测试的答案。我们还可以建立一个成绩表，对学生的成绩进行统计和分析。

通过这种方式，在线日语考试系统可以在功能上和安全上实现，提高了日语考试的便利性。

5.结论

遗传算法基于进化论，可以很好地完成智能问卷。本文为在线日语考试系统的考试设置部分建立了遗传算法的数学模型，然后通过编辑代码实现了该模型。遗传算法可以解决传统试卷设置方式中的许多不足，如效率低、试卷质量差，大大优化了传统试卷的公平性和参考性差。经过一段时间的系统测试和分析，在线日语考试系统的功能模块可以稳定地执行分组试卷等各种任务，但仍然存在许多不完善之处，各种缺点仍然不可避免。还有许多未被发现的问题，各种问题必须在长期的运行和使用中逐步发现。通过不断发现问题和解决问题，可以使系统更加完善和实用。

参考文献

[1] Z. Liu, J. Liu, and Z. Liu, “Analysis, design, and implementation of impulse-injection-based online grid impedance identification with grid-tied converters,” IEEE Transactions on Power Electronics, vol. 35, no. 12, pp. 12959–12976, 2020.

[2] H. Sugisawa, T. Shinoda, Y. Shimizu, and T. Kumagai, “Cognition and implementation of disaster preparedness among Japanese dialysis facilities,” International Journal of Nephrology, vol. 2021, Article ID 6691350, 9 pages, 2021.

[3] A. Al-Aqbi, R. Al-Taie, and S. K. Ibrahim, “Design and implementation of online examination system based on msvs and SQL for university students in Iraq,” Webology, vol. 18, no. 1, pp. 416–430, 2021.

[4] S. Clivaz and T. Miyakawa, “The effects of culture on mathematics lessons: an international comparative study of a collaboratively designed lesson,” Educational Studies in Mathematics, vol. 105, no. 1, pp. 53–70, 2020.

[5] M. Mizuma, H. Yamamoto, H. Miyata et al., “Impact of a board certification system and implementation of clinical practice guidelines for pancreatic cancer on mortality of pancreaticoduodenectomy,” Surgery Today, vol. 50, no. 10, pp. 1297–1307, 2020.

[6] S. Makino and D. Lehmberg, “The past and future contributions of research on Japanese management,” Asian Business & Management, vol. 19, no. 1, pp. 1–7, 2020.

[7] Z. W. Lie, Q. L. Zheng, S. Zhou, and H. L. Rauf, “Virtual energy-saving environmental protection building design and implementation,” International Journal of System Assurance Engineering and Management, vol. 13, Supplement 1, pp. 263–272, 2022.

[8] Z. Tian, S. Tian, T. Wang, Z. Gong, and Z. Jiang, “Design and implementation of open source online evaluation system based on cloud platform,” Journal on Big Data, vol. 2, no. 3, pp. 117–123, 2020.

[9] J. Acosta, F. Amórtegui, A. Escobar, L. M. Leon, and S. Rivera, “Design and implementation of prototype for XLPE cable aging test,” Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería, vol. 36, no. 3, pp. 36–44, 2020.

[10] M. Cao, “Design and implementation of multidimensional interaction in online English course under the assistance of Omnimedia,” Scientific Programming, vol. 2021, Article ID 3713161, 10 pages, 2021.

[11] N. Choudhary, “Design and implementation of wildfire monitoring system,” International Journal for Modern Trends in Science and Technology, vol. 7, no. 5, pp. 139–143, 2021.

[12] K. Sharma and B. K. Chaurasia, “Trust based location finding mechanism in VANET using DST,” in Fifth International Conference on Communication Systems & Network Technologies, pp. 763–766, IEEE, Gwalior, India, 2015.

[13] A. Muneer and D. Zhan, “Design and implementation of automatic painting mobile robot,” IAES International Journal of Robotics and Automation (IJRA), vol. 10, no. 1, pp. 68–74, 2021.

[14] P. Elechi and C. O. Ahiakwo, “Design and implementation of an automated security gate system using global system for mobile communication network,” Journal of Network and Computer Applications, vol. 7, no. 1, pp. 1–10, 2021.

[15] S. Kaddoura, D. E. Popescu, and J. D. Hemanth, “A systematic review on machine learning models for online learning and examination systems,” PeerJ Computer Science, vol. 8, no. e986, 2022.

[16] L. Hu, “Design and implementation of a component-based intelligent clothing style CAD system,” Computer-Aided Design and Applications, vol. 18, no. S1, pp. 22–32, 2020.

[17] J. Li and W. Li, “On-line PID parameters optimization control for wind power generation system based on genetic algorithm,” IEEE Access, vol. 8, pp. 137094–137100, 2020.

[18] R. Dutta, A. Mantri, and G. Singh, “Evaluating system usability of mobile augmented reality application for teaching Karnaugh-maps,” Smart Learning Environments, vol. 9, no. 1, p. 6, 2022.

[19] B. Alhijawi, Y. Kilani, and A. Alsarhan, “Improving recommendation quality and performance of genetic-based recommender system,” International Journal of Advanced Intelligence Paradigms, vol. 15, no. 1, pp. 77–88, 2020.

[20] S. Ghareeb, A. J. Hussain, D. Al-Jumeily et al., “Evaluating student levelling based on machine learning model’s performance,” Discover Internet of Things, vol. 2, no. 1, p. 3, 2022.

[21] B. Xia, X. Zheng, L. Zhang, and L. Zhao, “UWB positioning system based on genetic algorithm,” Journal of Computer and Communications, vol. 9, no. 4, pp. 110–118, 2021.

[22] M. A. Elaziz, A. A. Ewees, and Z. Alameer, “Improving adaptive neuro-fuzzy inference system based on a modified salp swarm algorithm using genetic algorithm to forecast crude oil price,” Natural Resources Research, vol. 29, no. 4, pp. 2671–2686, 2020.

[23] A. Gholami-Rahimabadi, H. Razmi, and H. Doagou-Mojarrad, “Multiple-deme parallel genetic algorithm based on modular neural network for effective load shedding,” Soft Computing, vol. 25, no. 21, pp. 13779–13794, 2021.

[24] Z. Xu, M. M. Kamruzzaman, and J. Shi, “Method of generating face image based on text description of generating adversarial network,” Journal of Electronic Imaging, vol. 31, no. 5, article 051411, 2022.

[25] W. Xia and L. Shen, “Joint resource allocation at edge cloud based on ant colony optimization and genetic algorithm,” Wireless Personal Communications, vol. 117, no. 2, pp. 355–386, 2021.

[26] P. Rani, R. Kumar, A. Jain, and S. K. Chawla, “A hybrid approach for feature selection based on genetic algorithm and recursive feature elimination,” International Journal of Information System Modeling and Design, vol. 12, no. 2, pp. 17–38, 2021.