考试是对学生所学内容、学习效果、知识能力水平进行了解的最有效方式，也能检验教师的教学效果，评价教学过程是否合理，以及指导下一步的教学计划。因此考试是教学中非常重要的一个环节。近年来有多种线上考试系统出现，但大部分线上考试系统功能都比较简单，很多仅是将笔试改为上机或者由计算机随机组卷，考试试题的产生与学生学习情况分离，因此考试很难体现学生的真实水平。　　本文将探讨基于项目反应理论和遗传算法的自适应考试系统的研究和开发。该自适应考试系统能根据学生能力抽取与学生能力相适应的考题，因此能更准确客观地反应学生的实际水平，从而能更有针对性的发现应掌握的知识点的不足。　　本文首先介绍了项目反应理论和自适应考试系统的现状，以及项目反应理论中应用最广的逻辑斯蒂克三参数模型，重点对模型三参数和能力参数的估算方法进行分析比较，传统参数估算方法，对迭代初值要求高，收敛速度慢，本文提出了采用遗传算法进行参数估算，不需要高要求的初值，且能在更短时间内获得更准确的估算结果。　　本文的主要工作和成果是:　　(1)将项目反应理论应用于自适应考试系统，解决了自适应考试过程中遇到的起点选择、试题选择、终止条件等问题，并提出了题库建设的试题开发的和参数动态调整的算法;　　(2)对传统遗传算法的编码方法、选择算子、交叉算子和变异算子以及步骤进行了重新设计，新设计的遗传算法能够替代传统牛顿迭代法对逻辑斯蒂克模型的三个参数以及能力参数进行估算，在收敛速度和精度上也表现出了更好的性能;　　(3)设计了多组模拟对比测试，全方位的与传统参数估计牛顿迭代法和商业软件BILOG进行对比分析，验证新设计的遗传算法的性能;　　(4)采用多Agent技术，在传统的B/S结构体系中加入了多Agent代理层完成业务逻辑，实现了互动式智能化的自适应考试系统。