构件技术是支持软件复用的核心技术,如何从海量的构件库中选取出最优构件提高系统组装率,这是一个需要解决的关键问题。构件的选取一般包括两个步骤:构件的检索和构件的选择。构件的检索通常会选出多个构件类,效率是检索的核心问题;构件的选择是从构件检索的结果集中根据用户的需求选出构件,如何从检索出的构件类中选择可信性更高的构件是本文研究的另外一个问题。本文的主要研究工作如下:(1)针对构件检索效率的问题,首先对传统的构件分类技术做了分析,针对其局限性,在构件检索中引入构件挖掘分类的方法,利用蚁群分类算法对构件进行复用规则挖掘。其次针对蚁群算法易于早熟的问题对该算法做了改进,调整了蚂蚁的信息素浓度并引进了变异算子。最后通过实验验证改进的蚁群算法在构件查准率和查全率方面更有效。(2)针对构件选择可信性问题,本文从多个非功能属性对构件进行评估,采用粒子群算法选择满足用户需求的构件,根据该算法在选择构件的过程中出现“早熟”和易陷入局部较优的缺点,引入遗传算法的交叉和变异算子增加种群多样性,使得改进后的算法能够取得全局最优解。最后通过实验验证该算法有较好的收敛性,并且选择出的构件更满足用户的需求。