如今随着时代的变迁和科技的发展,利用计算机将传统的测验方式提升到智能化的新高度已渐渐成为了一个趋势。其中,基于计算机自适应测验（Computerized Adaptive Testing）而衍生的多维计算机自适应测验（Multidimensional Computerized Adaptive Testing）受到了广泛的关注,在教育和心理测量等领域愈加发挥着重要的作用。在整个多维计算机自适应测验的过程中,主要包括选择模型、建设题库、选择初始题目、估计被试或题目参数、制定选题策略、提出测验终止规则。在这之中,如何制定优秀的选题策略则是应该重点关注的问题,这一步骤能够帮助研究者准确地得到测验中待估参数的估计值并选择难度合适的题目给与被试作答,这也可以使得测验的效率得到大大的提升。相较于传统试卷测验的命制、作答和分析过程,多维计算机自适应测验在当今时代背景下更具优势并且符合研究发展需要。本文采用Fisher信息量的选题策略,并参考试验设计中的理论使用相应的D最优准则和A最优准则对选题策略的优化进行了探索,给出了两种准则下的选题过程,并通过模拟研究进行了验证和分析。本文假定了多个被试参加测验的情形,并且假设他们的能力参数是具有多个维度的,利用Logistic模型和Probit模型对被试的能力参数进行估计,同时加入了随机选题的策略作为对照组,分别对比不同策略对能力参数估计的影响。模拟结果表明,相比于随机选题策略,D最优和A最优的选题策略具有更小的偏和均方误差根,表明了该选题策略的有效性;随着测验题目数的增加均方误差根会显著减小,表明该算法收敛;最后选题策略同被试各能力间的相关性和所选择模型无关。