类电磁算法是一种模拟物理学中电荷间排斥-吸引规律来对现实中多维问题求解的智能算法。目前将类电磁算法的应用到实际问题中还比较少,虽然类电磁算法自诞生到现在虽不足十年,但该算法在解决问题上表现了良好的性能。类电磁算法在求解的过程中,首先将初始化种群,对种群个体进行编码,在局部搜索表现优秀的个体,然后计算个体的带电量,通过带电个体之间的吸引排斥规律来形成新的种群,然后不断迭代,从而找到最优解。本文首先对组卷的算法做了一些介绍,比较各种组卷算法的优缺点,如比较早一点的随机组卷算法,算法的效率高,但组卷成功率比较低；回溯试探算法也是早期的采用的自动组卷算法,它能够最精确地找到最优解,但是它只能应用在题库较小的环境中,因为回溯试探算法遍历解空间,而在面对庞大的试题库,这个时间是无法估量的；数据挖掘和人工智能在自动组卷问题上也提出了一些解决方法,但整体上看,应用性低,实用性不高；现在应用比较广泛的遗传算法,在组卷系统中表现出良好的组卷效果,组卷流程清晰,成功率高。然后描述了类电磁算法的原始模型,并在原始模型上提出了对原始算法中局部搜索改进,将遗传因子引入到算法中,并对多种函数进行了测试,证明了类电磁算法改进的效果。接着和遗传算法比较,在多维函数中,改进后的类电磁算法表现相对优异。将改进后的类电磁算法应用到计算机自动组卷中帮助计算机给出更好的组卷效果,在算法应用之前,首先对组卷的各种参数设置条件做了一一介绍,给出了相应的表达式和计算方法,这也是组卷系统的必备环境,只有好的约束条件才‘能指导算法在准确的方向去完成组卷,接着画出了组卷系统的流程图和功能结构图,描述了组卷的流程和模块,然后对组卷系统的数据库环境进行了设计,分别建立表结构和对应的关系,最后将算法应用到组卷系统中,并对类电磁算法进行了编码设计。