随着科学基金制的发展,基金资助的金额和申报项目的数量逐年增大,项目管理中的同行评议工作显得愈发重要。而作为同行评议首要工作的专家分配,其操作结果直接影响资助项目的质量和后期收益。近年来,一些研究者开始使用智能优化技术解决专家分配问题,提出了具有针对性的数学模型和遗传算法求解策略。然而,遗传算法对于系统中的反馈信息却没有利用,往往导致进化过程中形成的优秀信息大量丢失,在运行的中后期出现大量冗余迭代,搜索效率降低,这使得专家分配的算法优化结果并不理想。针对该问题,本文提出了一种遗传算法的改进方法,并将该方法应用到专家分配问题的求解策略中。首先,针对遗传算法没有利用系统反馈信息的缺点,将蚂蚁算法的正反馈机制引入到遗传算法中,提出了基于正反馈机制的遗传算法。该算法利用历代种群中优秀个体的反馈信息指导算法的进化操作,使算法能够沿着最优解进行搜索,提高了遗传算法的搜索效率和质量。在求解旅行商问题中,改进算法的正确性和可行性得到了充分的验证。其次,将正反馈机制应用到对专家分配问题的遗传算法求解策略中,利用系统的优秀反馈信息指导遗传算法的变异操作,成功地解决了原算法运行中后期出现的冗余迭代现象,增强了算法跳出局部最优的能力,提高了算法的求解精度。最后,将基于正反馈机制的遗传算法求解专家分配问题的方法应用到实践中,按照软件开发的流程进行了系统用例分析和系统类的设计,并在Delphi 6.0的集成开发环境下实现。