【摘要】　本文提出了遗传算法自动组卷策略，并将遗传算法自动组卷应用于在线知识竞赛系统中，最大程度地满足了用户的需求，具有科学性、合理性和较好的实用性。
　　【关键词】　遗传算法 自动组卷
　　1.　自动组卷常用算法介绍
　　自动组卷系统具有很大的灵活性，以及较高的试卷生成效率，能够大大降低教师的工作强度。目前常用的方法主要是是随机抽取法、回溯试探法、遗传算法[1]。综合分析上述三种算法，不难发现，在有限条件状态空间的控制下，随机选取法有时能够抽取出一组令用户满意的试题。只不过由于随机选取的范围太大，无法确定目前条件下哪些区域能够抽取合适的试题，反而可能在那些已經证明是无法抽取合适试题的区域内反复选题，进行大量的无效操作进入死循环，最终导致组卷失败。回溯试探法组卷成功率高，但是以牺牲大量的时间为代价的，对于现今越来越流行的网上随机即时调题的考试过程来说，已不符合要求。遗传算法模拟达尔文的自然界遗传学，其实质就是一种把自然界有机体的优胜劣汰的自然选择、适者生存的进化机制与同群体中个体与个体间的随机选择、交换机制相结合的搜索算法。遗传算法以其具有自适应全局寻优和智能搜索技术，并且收敛性好的特性能很好地满足自动组卷的要求。
　　2.　组卷策略分析
　　2.1组卷的数据模型
　　根据对组卷约束条件的分析，本文为自动组卷过程建立控制指标相应状态空间S，S的每一行由某一试题的控制指标组成，并且要进行编码表示，而每一列是题库中的某一指标的全部取值。
　　试题库中的每一道试题在建库时都附带输入了相应的属性指标，（1）试题编号、（2）试题类型、（3）所属知识点、（4）难度、（5）区分度、（6）认知程度、（7）估计答题时间、（8）分值、（9）曝光度、（10）试题内容、（11）标准答案、（12）考试要求。