部分集合覆盖问题是集合覆盖问题的扩展,其目标是用尽可能少的子集覆盖至少k个集合。部分集合覆盖问题在覆盖目标或带约束的放置等问题中有着广泛的应用,并已被证明为NP难组合优化问题。随着技术的发展与进步,集合覆盖问题及其延申问题愈发得到研究者的关注,如何有效地解决这类优化问题具有重要的理论价值和现实意义。求解集合覆盖问题的方法主要分为精确算法与启发式算法。精确算法能够求出问题的最优解,但当问题规模较大时,精确算法往往因计算资源的限制而很难对问题求解。为此,能够在合理的时间成本下给出相应问题的最优解或次优解的启发式算法应运而生。本文首先提出一个多规则启发式的搜索策略（Multi-Rule Heuristic Search Strategy,MHS）来求解部分集合覆盖问题。该算法采用格局检测（Configuration Checking,CC）的思想以避免算法过早陷入循环,并在格局检测的基础上增加松弛规则,以增加算法随机性。然后设计了一个动态扰动策略进一步避免算法陷入局部最优。最后,本文设计了一个基于挥发-固定权重的机制来增加解的多样性。实验结果表明,MHS在大例子上展现出良好的性能。为了进一步提高部分集合覆盖问题的求解能力,本文基于阿根廷蚁群的生物学特征提出一种改进的元启发式算法——阿根廷蚁群系统（Argentine Ant Colony System,AAS）。该算法通过维持多个使用不同启发式规则的种群,且所有种群共享同一种信息素从而实现阿根廷蚁群间的合作关系,使得下一代的解能够集成多种启发式信息。同时,提出种群规模的动态更新规则,平衡算法的搜索深度与广度。实验结果表明,AAS在最优解的质量方面优于对比算法。此外,AAS的性能随着实例规模的增长而逐渐提高,这显示其处理复杂实际场景的潜力。