随着计算机技术和人工智能技术的发展,组卷问题的研究受到越来越广泛的关注。智能组卷问题是一个在一定约束条件下的多目标参数优化问题,组卷的效率和质量完全取决于试题库以及抽题算法的设计。传统的组卷算法具有组卷速度慢、试卷质量不高的缺陷。针对这个问题,本文着重研究遗传算法在组卷中的应用,提出了一种改进的遗传算法,有效地避免了简单遗传算法收敛速度慢以及局部收敛的缺陷,提高了组卷的效率和质量。通过详细分析试卷的各项约束条件,本文建立了一个以题分、难度、区分度及知识点覆盖率为变量的组卷模型,在此基础上,设计了一种以权重来衡量约束条件重要性程度的适应度函数;改进后的遗传算法采用实数编码方案,基因的值直接用试题号来表示,避免了解码过程中的时间损耗;本文还引入了一种新的算术交叉策略,加大了算法的搜索空间,提高了组卷的质量;最后编写程序实现了改进的遗传算法,并将之应用到组卷系统中,通过仿真实验证实了:改进的遗传算法在遗传代数、组卷时间、试卷质量、成功次数方面具有更大的优越性。