近年来,随着计算机技术和互联网技术的不断发展,教育评价也出现了新的形式,由传统的纸笔测试发展为计算机自适应测试。计算机自适应测试(Computerized Adaptive Testing,简称CAT)的基本思想是模仿人类的智能评估行为,通过计算机选择适合每个被试能力水平的测试项目,并统计其在项目上的反应,达到对被试能力水平更精确估计的目的。可以说,CAT可以真正做到“因人施测”,并为教师的“因材施教”提供有力的支撑。CAT以项目反应理论为基础,在题库建设、选题策略等方面形成了一套理论和方法。选题策略是为整个测试提供项目的关键环节,它的好坏直接关系到题库的安全性、测试的准确性、测试的效率等问题。本文以CAT中选题策略存在的题库安全性、测试准确性和测试效率这三个问题为研究目标,研究工作主要包含以下几点：1.针对最大信息量选题方法存在的曝光率不均匀导致题库安全性问题,在新选题策略中引入优化的曝光控制因子,解决最大信息量方法的曝光率不均匀问题。2.本文提出在不分层的前提下对整个题库项目进行”升a”处理的幂函数,解决了分层方法的层与层内部不进行“升a”的问题。3.对内容平衡进行控制,解决常用选题策略未考虑内容平衡影响的问题。4.本文采用粒子群算法对目标函数进行求解,提高了选题速度。最后,通过实验设计及结果分析,发现本文提出的新选题策略在保证测试精度的同时能较好的控制题目的曝光率,并且在选题速度方面具有较大提高。因此本文方法更适用于对题库安全性要求较高以及用户体验更高的使用场景。