智能组卷系统是近几年高校信息化建设迅速发展环境下重点研究的课题。智能组卷系统能减少老师重复工作量,提高试卷质量,增加考试的客观性。智能组卷算法是一个多目标约束优化问题,它是智能组卷系统的核心。遗传算法具有收敛性好、鲁棒性高等特点,可有效解决智能组卷中的多目标约束优化问题。由于传统的遗传算法存在“早熟”和容易陷入局部最优解等不足,影响着算法的收敛性。论文提出采用分段整数编码和自适应算子等方法对遗传算法进行改进,并基于改进算法设计了一个智能组卷应用系统。主要研究内容如下:(1)遗传算法的改进。改进后的遗传算法采用分段整数方式编码,将类型相同的题目分到一个段里面,各个段编码之间互不影响,独立完成遗传计算,根据目标属性权值来构建适应度函数,在组卷运行过程中采用自适应的交叉算子和变异算子,选取对环境适应度最高的个体,并且这些个体不参加交叉等遗传操作计算,将适应度最差的个体直接替换掉,使优秀的个体能够继续继承,保证组卷质量及成功率,一定程度上提高了算法的运行效率。(2)智能组卷系统的设计。设计并实现了基于分段整数编码自适应遗传算法的智能组卷系统,该系统采用B/S结构,主要分为前台测试和后台管理功能,前台测试主要包括在线测试、答案浏览与评分功能模块,后台管理则包括了登录、课程管理、试题库管理、试卷管理、用户管理功能模块。改进后的遗传算法对个体进行自由组合,使得信息搜索作为一种独立方式,不依靠任何知识信息。算法还会依据环境,衍生相应的后代,其后代的环境适应性比较强,从而适应题库信息的变化情况。在并行性方面,运算量比较大的问题得到了有效解决,有着信息群体寻找最优个体和快速寻找个体的主要特征。论文最后以《C语言课程》为例进行组卷50次测试,改进后的遗传算法成功次数46次,平均时间25秒,与其它三种组卷策略比较,实验测试结果表明,改进算法组卷的成功率和收敛速度明显提高,具有较好的实用性。