时间表问题(Timetabling Problem,TTP)是一类典型的组合优化(Combinatorial Optimization)和不确定性调度问题。随着人工智能等技术的发展,人们对自动化解决时间表问题产生了迫切的需要。蚁群优化(Ant Colony Optimization,ACO)是群智能算法中相当活跃的一种优化算法,具有良好的全局搜索能力,在优化问题中有着广泛的应用。本文首次将蚁群优化推广到解决时间表问题中,以蚁群优化和概率统计理论为基础,提出了基于蚁群优化的时间表算法,并对蚁群优化及算法中所涉及的个体启发信息策略、自适应选择策略、最大最小信息素策略和信息素平滑处理机制等关键问题作了系统、深入和较为全面的研究：首先,从理论上介绍了ACO的生物原理及算法模型,并提出了ACO算法的若干改进策略,如：信息素更新机制,分组策略等；然后,以课程表问题为例,对时间表问题进行数学描述,提出了时间表问题的二分图模型；接着,从理论上论述了如何用ACO算法来解决时间表问题,提出了基于蚁群优化的时间表算法；最后,将基于蚁群优化的时间表算法应用到课程表问题中,并对算法进行了分析,得到了较高质量的课程表。研究与应用结果表明,本文提出的基于蚁群优化的时间表算法是可行的,它拓宽了时间表算法的解决方案；以概率统计理论和蚁群优化理论为基础,对其中所涉及的信息素策略和选择机制等问题的研究也是有效的,推广了ACO的应用。