计算机化自适应测验（computerized adaptive testing，简称CAT）是项目反应理论（item response theory，简称IRT）成功应用的结果，引进了强大的现代科技手段——计算机，CAT根据被试能力自动选择测试项目施测，最后估计被试的能力。这种新型测验不同于传统的笔试测验，它根据被试不同的答题反应，主动选择适应被试能力的项目，以获得准确的被试能力估计值。因此，CAT是因人而异的个性化测验。根据评分模型的不同CAT采用的模型有：0-1评分模型和多级评分模型。选题策略是CAT中必不可少的组成部分，准确、高效且安全的选题策略是CAT一直以来追求的目标。经典的最大Fisher信息量选题具有效率高，估计准确等优点，但项目调用的不均匀性威胁到题库的安全。增设影子题库是一个能较好地平衡项目调用均匀性的方案。本文结合两种选题策略的优点，在0-1评分模型中，设计了一个新的选题策略，并把此方法引入按最大信息量分层和按a分层中。多级评分作为CAT中的一个分支方向，可以提供丰富的项目特征信息，文中结合曝光控制因子在Samejima等级反应模型中提出动态a分层法。模拟实验结果显示，以上新方法比已有的一些方法结果较为理想。