试题库智能组卷问题是一个在一定的约束条件下的多目标参数优化问题，采用传统的数学方法求解相当困难，自动组卷的效率和质量完全取决于试题库设计以及抽题算法的设计。随着计算技术和人工智能的快速发展，以及教育测量理论研究的不断深入，基于教育测量理论的有关计算机辅助设计得到了广泛的应用，其中智能组卷系统的研究与开发得到了越来越多的专家学者的关注。教育测量理论中无论是经典测量理论还是项目反应理论都为智能组卷提供了坚实的理论基础。本文通过对经典测量理论和项目反应理论两种教育测量理论的对比研究，详细地探讨了这两种理论在教学测验中的优缺点。从教学要求出发，结合经典测量理论、项目反应理论，参阅和分析了大量的国内外相关文献，以遗传算法为基础，提出了基于项目反应理论的数学模型和基于经典测量理论的多目标函数优化数学模型，并对两种模型下相应的遗传算法进行了较为详细的描述，对其中的基于经典测量理论的遗传算法在文中做了相应的改进，引进了小生境技术。本文提出了三种利用遗传算法智能组卷的方法：第一种方法是基于项目反应理论IRT的，采用此法进行组卷最大的优点就是试题本身的参数与考生样本无关，测试更加真实，评价更加合理，可以应用于学生自学和教师对学生因材施教。第二种方法是目前流行的一种遗传算法，该算法是以知识点、题型、区分度、难度、教学要求层次、能力要求为主要控制参数，它具有编码简单、自适应全局寻优和智能搜索技术等特点，提高了组卷效率和试卷的质量，具有很好的实用性。第三种算法是在第二种算的基础上进行改进得来的，加入了小生境技术，并在进行遗传算子操作中引入了惩罚函数，有效地改善了算法的早熟现象，同时也提高了组卷的效率。