合作学习是学生为达到共同的学习目标，并最大化个人和他人习得成果而一起经历各种变化，共同进取的一切相关行为，基于网络的合作学习是利用计算机网络以及多媒体等相关技术，由多个学习者针对同一学习内容彼此交互和合作，以达到对教学内容比较深刻理解和掌握的过程。当前的网络合作学习平台更多的注重硬件环境的改进，严重忽略了组织环境的改善，在小组的生成划分方面，不考虑在线学习者的各方面特征，只是简单随机的分组，使合作学习的效果大打折扣，而当前的网上合作系统中，其合作小组生成模块基本上没有一个统一明确的算法。 聚类分析是按一定的条件或属性将研究或处理的对象进行分类的数学方法，用模糊数学的语言、方法来解决分类问题，更为自然与方便，而且更符合客观实际，模糊聚类是先建立模糊相似关系，而后将客观事物予以分类的方法，因此，本文创造性地将模糊聚类的原理和方法引入到网上合作学习的小组生成当中，利用模糊聚类的方法，将所有在线学习者的个性模型构成一个模糊矩阵，根据实际需要，加以修改，最后通过聚类操作，达到客观分组的目的，基于这一创新，作者提出“寻找最佳合作伙伴”和“最佳分组”两种模块的算法和实现。 在“寻找最佳合作伙伴”的算法中，利用当前求助学习者的个性特征，构造一个“虚拟学习者”，用此“虚拟学习者”来寻找当前在线学习者中最适合帮助当前求助者的学习伙伴群体。最后利用在“寻找最佳合作学习伙伴”的标准中各项特征的权重的不同，为当前求助者安排最佳合作学习伙伴顺序。 在“最佳合作小组生成”算法中，引入了“互补度”的概念，通过使用ISODATA方法，从当前在线学习者中找出几个“基准”学习者，在通过将剩余的学习者逐一地加入到各个学习小组的方法，生成最后的最佳合作学习小组。 在实际应用中，使用这两种算法达到的效果与人的预期实践经验基本一致，使合作学习系统具有更高的智能性。利用论文提供的算法，可以为广大教育理论家开展网上合作学习的理论研究奠定了基础，尤其是与网上合作学习中的如何生成小组相关的理论的研究提供了技术支持。