随着计算机技术与教育理论的不断融合促进了计算机辅助教育的发展，计算机辅助测试作为计算机辅助教育的重要部分而受到越来越多的关注。在计算机辅助测试系统中，组卷模块的设计是否合理直接决定了试卷的质量，而试卷质量的高低直接决定了考试的信度和效度，因此组卷策略的研究成为了计算机辅助教育中的一个重要课题。本文针对现有的组卷算法组卷效率低、试卷质量不够理想、难以满足实际考试需要等情况，在传统遗传算法的基础上，提出了基于改进遗传算法的组卷策略。　　 本文分析了当前各种组卷算法的优缺点。遗传算法在解决组卷这样的多约束条件下的寻优问题方面存在诸多优势。但是，传统的遗传算法在解决组卷问题时，存在盲目搜索、局部搜索能力不强、容易得到局部最优解和搜索效率低等不足，很难满足实际考试的需要。本文对传统遗传算法产生上述弊端的原因进行了研究和分析，在此基础上提出改进方案。　　 本文在教学测量学中的经典测量理论的基础上，建立了试题的指标体系和组卷的数学模型，确定了组卷问题的目标函数，并将组卷问题转化为目标函数的最小化问题。　　 本文采用实数编码方法，大大降低了染色体的长度，提高了组卷效率；对目标函数进行线性变化，使其更准确的反映出种群和个体的质量；引入了自适应交叉变异，根据当前种群的情况动态的调整交叉和变异概率；引入了小生境的技术，不仅提高了算法收敛速度，而且增加了种群的多样性；引入了抗早熟运算，防止算法进入局部收敛等。为了检验效果的实际组卷效果，本文用模拟题库对算法进行了性能测试，实际的测试效果表明改进后的算法在试卷质量、组卷效率、稳定性等方面都有很大程度的提高，具有较强的实际应用价值。