随着计算机技术、网络通信技术、多媒体技术以及虚拟现实技术的逐渐成熟，以E-learning为代表的信息化教育技术应运而生，并得到快速推广。学生评价是建构E-learning评价活动的主要任务之一，成为一个新的研究热点，受到研究人员的广泛关注。测评作为学生评价的一种重要手段，直接关系着学生真实学习情况的考量，而组卷算法作为测评系统的一个核心组成部分，其设计好坏直接关系到学生评价的真实性和准确性，因而研究人员十分重视组卷算法的设计工作。本文重点关注E-learning环境下学生评价中在线测评的研究，解决多科目融合的综合试卷生成和根据学生的学习掌握情况为每个学生定制个性化试卷的问题。论文的主要内容及创新工作如下：1）针对现有E-learning环境中的学生评价框架灵活性和扩展性较差的问题，提出了一个主、客观因素相融合的学生评价框架（SEFEL）。SEFEL学生评价框架从硬性和软性评价的角度对学生评价问题进行划分，并对硬性和软性评价的内容进行分析研究。针对如何构建应用于不同学科领域的通用学习策略推荐系统的问题，将学生评价中的测评信息应用于构建学习策略推荐系统中，提出了学习策略模型、面向学习策略的服务模型和学习策略推荐算法（GLSR），并构建了学习策略推荐指导系统（BIT-LSS）。实验结果证实BIT-LSS系统能够有效地向学生推荐适合学生的学习策略。2）针对多科目组卷中需要考虑各科目试题分布均衡的问题，对综合类考试的试卷需要涉及多个科目单元这一试卷生成约束条件进行了分析。结合分级规划的思想提出了一种基于分级规划和遗传算法的智能组卷算法（GAHP）。GAHP算法将多科目融合的试卷生成问题转换为科目、章、子章节和知识点层的知识选取和试题层的组卷问题。实验结果表明GAHP算法在多科目融合的条件下能够快速地生成满足多目标约束条件的试卷。3）针对目前的模拟测验未重点考察学生未掌握的知识，不能很好地提供符合学生知识掌握水平的试卷的问题，将学生的个性化信息引入到遗传算法的目标函数和交叉过程中，提出了一种个性化遗传算法（PGA）。PGA算法可以根据每个用户不同的知识点掌握水平，为他们提供符合他们知识点掌握情况的试卷。PGA算法将用户的个性化信息作为遗传算法GA交叉过程中的一个偏好基因，以增加生成试卷中未掌握试题出现的概率。实验结果表明PGA算法可以有效地为学生提供个性化试卷。4）针对考试试卷中隶属于同一知识点、节或者章的试题数量多可能会影响学生真实知识点掌握水平评价的问题，给出试卷在知识点、节、章上具有良好试题分布性的定义，并提出了一种基于试题分布的个性化遗传组卷算法（IGAID）。实验结果表明IGAID算法支持为每一个学生提供符合他们知识点掌握水平，且具有良好知识层级试题分布性的模拟试卷。