集合覆盖问题不仅仅是运筹学研究中经典的组合优化问题,也是计算机科学问题中的一个常见问题。作为其扩展问题的集合K覆盖问题,在原问题的基础上,增加了更多的约束,同样也增加了问题的难度。集合K覆盖问题已被证明是一个NP-hard问题且已经很好地应用于日常生活中的工程设计问题,比如网络安全,资源分配,人员调动等。本文在该问题的典型求解算法上提出了一些改进的策略方法。首先是多层打分启发式策略方法(ML),该策略会对各个子集进行打分。接下来,局部搜索算法会通过子集的分值大小来选择子集加入候选解还是从候选解中移除。另一个改进的策略方法是定量格局检测策略,该策略改进了原有的格局检测策略方法,旨在避免局部搜索算法陷入循环的同时,不仅改善了整个局部搜索路径,跳出局部最优,也提升了解的质量。为了更好的结合多层打分策略和定量格局检测策略,提出了一个有效的子集选择策略方法,并且通过整合上述提出的策略方法形成了一个有效的局部搜索算法,名为MLQCC算法。除此之外,针对集合K覆盖问题的一些特殊情况,提出了一个有效的化简函数来化简集合K覆盖问题的规模,从而在一定程度上降低了算法搜索复杂度。最后一个改进的算法是低复杂度初始化解算法,该算法极大地提升了MLQCC在大规模的集合K覆盖问题上的求解效率,特别是在初始化候选解上很有效,名为MLQCC+LI算法。在实验结果对比和分析中,本文选取了一些公认经典且具代表性的实验例子来进行实验,通过一系列小规模和大规模的例子实验结果比较,MLQCC和MLQCC+LI在目前求解集合K覆盖问题上表现出了足够的优势。同时也验证了在该问题上多层打分策略启发式比传统打分效果要好,且证明了定量格局检测策略对于整个局部搜索框架的作用很大。