蚁群优化(ACO)算法在国内外已经取得了很多的研究成果,也有很多应用证实了其在解决组合优化问题中的优越性,本文研究将ACO算法应用于大学课程时间表问题。本文分析了大学课程时间表问题(UCTP)的特征和求解目标,结合已有蚂蚁算法(MMAS)的求解策略,构建了一个新的大学课程时间表问题的求解模型,相比原有的MMAS求解UCTP算法,新的计算模型充分利用启发式搜索的特征,定义了基于软限制条件的新的启发因子,并在不同规模的问题实例上进行实验,结果表明本文的MMAS算法框架可以方便地融合新的技术来提高解的质量。鉴于任何元启发算法在解决特定问题时,都必须充分分析问题实例的特征、结合问题本身的逻辑,本文对新MMAS-UCTP算法进行了改进,对按照一般ACO准则构造出来的解进行可行化,具体采用了三种可行化技术:improve,shu?e,survive,结果表明改进后的算法质量有明显地提高。最后,所有的蚂蚁通过共享同一信息素的方式并行构造解,实现了本课题中MMAS-UCTP算法的并行化。实验表明,并行化的结果在解的质量和运行时间方面都有很好的表现。