随着网络教育的流行,智能组卷问题也得到了广泛的关注。智能组卷问题(the problem of generating test paper intelligently)是一个多目标优化问题。传统的随机选取法和回溯试探法在组卷时间和组卷成功率上,都存在着明显的缺陷,很难得到一个较为满意的解。如何在已有研究的基础上,针对智能组卷问题的实际特点,提出一些行之有效的算法来解决智能组卷问题,已经成为大家关注的一个热点。本文以“大连交通大学软件学院计算机等级考试网”的建设为背景,目的是研究如何将组卷算法与现有的题库系统相结合,从题库中提取出符合用户要求的试题组成试卷,使该试卷能客观反映用户的实际能力水平。通过对组卷算法和基本原理的研究,开发了基于改进遗传算法的智能组卷模块。以改进的遗传算法为基础,根据用户对试卷难度的要求,以及试卷总分等重要试题属性的需求动态生成试卷。通过对遗传算法等几种常用智能组卷算法的分析比较,本文提出了一种改进的遗传算法。该算法的思想是采用分段实数编码方式,克服了传统二进制编码搜索空间过大和编码长度过长的缺点,省去了个体的解码时间,有效提高了算法的运行效率。并提出了一种新的变异概率的计算方法,引入了呈指数变化的系数km,使变异概率随进化代数呈递减趋势变化,保证了个体的进化能力,有效防止算法陷入局部最优。针对分段实数编码的特点,采用段内基本位变异操作,在变异过程中,对种群的每个个体,产生一个长度为编码串长度的随机数列,通过对数列中每个随机数与变异概率的比较结果,来判断该位是否执行变异操作,从而改善了遗传算法的局部搜索能力,保持了群体的多样性,保证了遗传算法的收敛能力。本算法已应用于实际的在线考试系统中,理论分析和实验结果表明,与基本遗传算法相比,改进的遗传算法更能满足组卷的实际需求,有较好的克服早熟的能力,在全局搜索性能及收敛速度上较基本遗传算法有显著提高,证明了改进算法的有效性和优越性。