随着计算机技术和数据库技术的不断发展,网络考试系统成为近年来研究的热点。其中,自动组卷模块是考试系统的核心,其算法的好坏直接决定了整个考试系统的优劣。然而,针对当前组卷系统存在的问题：试题组合简单,难度、区分度等指标分布不合理以及不具有反馈功能等,寻求一种合理、有效的组卷策略具有重要的实用价值和现实意义。本文分别研究了智能组卷系统、遗传算法和微粒群算法及其在组卷中的应用情况,分析目前组卷系统和组卷算法的不足,提出将遗传算法和微粒群算法结合起来作为组卷策略的抽题算法。通过分析试题库各项指标的作用及几个重要指标间的关系,建立了组卷问题的数学模型和目标函数；通过研究遗传算法和微粒群算法的特点,从优势互补的角度将两种算法进行融合,融合后的算法仍以遗传操作为主,利用微粒群算法初始化群体,提出利用微粒群算法的个体极值和全局极值动态平衡群体进化的全局搜索和局部优化。针对组卷问题和混合算法的特点,详细叙述了遗传微粒群算法应用在组卷中的具体步骤,包括编码方式、适应度函数的确定,遗传操作等；通过从学生成绩统计、试题质量和试卷质量三个方面对试卷进行分析,以反馈组卷的效果。最后,本文对组卷系统进行了需求分析,对系统整体结构和主要功能模块及数据库进行了详细的设计,并且完成了对组卷系统的开发。结合试卷分析和实验对比,将混合算法应用在组卷中有效解决了知识点、难度分布等不合理的问题,组出的试卷满足科学性和合理性,具有较高的效率和较好的实用性。