基于项目反应理论的计算机自适应测试兴起于上世纪八十年代中期，它是计算机辅助测试及现代测量研究中的一个重要领域，它的特点是能够根据考生能力不同而由计算机从题库中智能选取难度与其能力相匹配的试题施测，考试成绩与样本(题目)的选择无关，能更准确客观地反应考生的实际能力，而且达到一定测量精度需要的时间更短，但CAT组卷时如何将IRT理论的信息量等计量指标与题型、知识点等非计量指标有机地结合起来，为测量学界提出了一个新的课题。本文首先在对当前计算机自适应测试系统的现状和发展趋势进行了分析后，系统介绍了计算机自适应测试的理论基础-项目反应理论及计算机自适应测试系统的基本原理，并完成了一个基于项目反应理论的CAT系统的总体结构、功能模块及数据库设计。然后对最大信息量模型和WDM模型进行分析，发现最大信息量模型运算时间长，且可能出现无解的情况，而WDM模型对于CAT组卷问题中既有题型分布、知识点分布，又有信息量等约束条件时，由于各约束条件的量纲不同，根据约束条件计算出的离差值不可比，因此本文对WDM模型进行了改进，为CAT组卷问题建立了分步WDM模型，有效解决了计量指标—信息量与非计量指标—题型分布、知识点分布等约束条件量纲不同的问题，并很好地体现了CAT组卷问题中测试项目信息函数值最高的目标。最后，针对遗传算法容易出现早熟和收敛速度慢的问题，本文对基本遗传算法进行了多处改进，如采用了整数分段编码和自适应的交叉、变异概率等。然后将改进的自适应遗传算法用于CAT组卷问题，实验结果表明本文设计实现的组卷算法不仅避免了遗传算法中经常出现的“早熟现象”，而且有效地解决了CAT组卷中的约束优化问题，具有较高的组卷成功率和效率。