伴随着人工智能和计算机辅助教学系统的日益发展，组卷算法越来越受到专家学者的关注，通过对国内外智能组卷系统的研究发现，目前大多数的智能组卷采用的是随机组卷算法，而这种组卷方式显然无法满足用户的需求。近年来，将遗传算法应用于改进智能组卷问题受到了广大学者的关注，主要是对遗传算法的收敛性问题、交叉机理及控制参数的确定等方面有所研究，本论文通过对大量参考文献的阅读及对相关成果的借鉴，针对组卷速度和组卷质量等问题，研究遗传算法在组卷中的具体应用，本文所做工作主要包含：1、基于对组卷问题约束条件的分析，建立试卷矩阵数学模型，进而提出可以存储试卷各种属性指标和适应值的编码方法，可以较好的避免重复计算适应值，同时，为避免解码过程和提高运算效率，将试题转换为遗传算法的基因。2、为避免组卷过程中的知识点冲突，改进了遗传算法，提出了针对变异算子的分段多点变异策略和针对杂交算子的一种分段多点杂交策略。3、为保持种群的多样性，本文也提出了一种以知识点为基本依据，产生答题时间、题型分布、知识点等基本要求的试卷初始群体的办法。该方法利用大比率杂交和变异，可提高遗传算法收敛速度，从而提高组卷速度。4、论文在上述方法基础上，设计并实现了一个智能组卷系统，通过实验的验证，本文的算法在试卷的各项指标方面得到了较好的满足。