随着互联网和计算机技术的发展，教育领域不断地与网络更加紧密地结合。随着越来越多的教学内容的电子化和网络化，在教学活动中一直扮演重要角色的考试环节也在进行网络化的尝试。网络教学为学生的学习创建了广阔自由的环境，提供了丰富的资源，拓延了教学时空的维度，使现有的教学内容、教学手段和教学方法遇到了前所未有的挑战。 随着计算机及网络技术的迅猛发展，考试方式发生了巨大的变化。使用计算机化的考试系统可大大缩短考试周期，减少教师重复劳动，提高工作效率。而智能组卷方式通过提高试卷质量，增加了考试的科学性和客观性。同时基于 WEB 的在线考试方式使考试摆脱了时间和空间的限制，形式更加灵活自由。 本文重点研究了考试理论和智能组卷算法实现。计算机智能组卷的目标是求解出满足用户需求参数的一套最优试卷，因此组卷问题是一个典型的约束满足问题的求解过程。遗传算法（Genetic Algorithm, GA）是近几年发展起来的一种崭新的全局优化算法，遗传算法由于自身的全局搜索性、随机性、较好的编码方式和高度的并行性，非常有利于求解此类问题，因此本文使用遗传算法进行组卷问题的求解，借用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现个体的适应性的提高。 遗传算法涉及五大要素[1]-[3]：参数编码，初始群体设定、适应度函数设计、遗传操作设计和控制参数的设定。其中遗传操作包括选择、交叉和变异。本文中将组卷的难度、章节、题型、分值等约束条件转化为目标函数，采用二进制编码，在遗传操作中，为了保证新的后代仍旧满足约束，在进行单点交叉时，采用题型整体交叉；变异时，采用双位强制变异来实现。通过以上的算法以及改进，能够较好地实现组卷策略。