组卷系统是实现考试规范化、公平化、合理化的重要途径。以往的组卷系统的研究是为了使广大教师从繁重的手工编制试卷中解放出来，随着人工智能技术和计算机技术的深入应用，目前主要是对组卷算法和提高试卷的质量及系统运行效率的研究。本文在对国内外大量相关文献分析研究的基础上，设计了一种具有通用性的基于知识的组卷系统，提出了一种新的自动组卷方法，建立了组卷系统新的数学模型，并深入研究了其求解的方法。课题研究的过程中我们实现了一些主要算法，同时给出了一定的实例验证。在本文所构建的组卷系统的基础上，我们分为获取用户要求、当前试卷模式的设计和试卷模式的实现。首选获取用户要求后，我们根据试题和试卷指标间的数学关系将其量化成描述目标试卷特征的一组指标分数分布列，即当前试卷模式；然后建立基于当前试卷模式的最接近用户的多目标优化模型，并对模型进行求解。在求解过程中，我们引入惩罚函数法和权重系数法，将有约束的多目标优化模型转化为无约束单目标优化模型，进而利用自适应遗传算法对其进行求解，解集即为目标试卷中具有相同试题指标取值的试题数量。最后在多目标优化数学模型的基础上，结合以课程知识结构图为依据的优先入选知识点算法，获得了一组或多组目标试题集，最终实现计算机的自动组卷。本文首次提出了基于当前试卷的多目标优化的数学模型，并创造性的将惩罚函数、权重系数法和遗传算法结合起来对其求解。同时本文组卷算法和组卷算法所依托的组卷系统也是新颖的。本文所采用的组卷算法以及在自动组卷数学模型的建立与求解上的深入研究将有利于组卷算法的发展。