计算机化自适应测验（CAT），把项目反应理论这类现代测量理论跟计算机技术相结合，开辟了心理与教育测量的新天地。与传统笔纸测验（Paper-PencilTest）相比，CAT具有快速、准确、灵活、多元化、环保等诸多优点，自二十世纪七十年代进入测验领域后，在理论研究和实际应用方面均受到越来越多人的重视和青睐。同样，CAT也遇到越来越多的问题和面临越来越大的挑战。解决这些问题和挑战，具有重要的理论和现实意义。本文研究的内容涉及两方面：分层化CAT的分层退出（终止）规则和选题策略。众所周知，分层化CAT的分层终止规则研究较少。基于0-1评分按a分层法的CAT，提出了一种具有题库适应性的新的分层终止规则，并将其推广至多级评分按a分层法的CAT。Monte Carlo模拟表明，新的分层终止规则优于目前的分层终止规则。选题策略是CAT的核心内容，它不但使测验具有智能性而且它的优劣直接影响测验的好坏。本文基于0-1评分不定长CAT，提出了两种新的选题策略。第一种选题策略主要是动态影子题库与加权难度匹配法的结合，第二种选题策略则是基于第一种选题策略与加权最大Fisher信息量选题策略的具有调控因子的混合型选题策略。Monte Carlo模拟表明，第一种选题策略在试题曝光率控制方面相当出色；第二种选题策略在效率、准确性和曝光率控制等多方面取得很好的均衡。