自1977年恢复高考以来，普通高等院校招生考试（以下简称高考）为中国社会主义建设做出了巨大贡献，得到了社会的广泛认可。然而，目前的高考招生录取投档模式仍然存在诸多如资源分配不合理、考生“高分低录”、院校分数线趋于扁平化等弊端。中国对高考内容及学科分数分配的改革已经趋于成熟，然而录取这一高考改革的关键一环仍须进行改革，因此如何对现有的招生录取模式进行改进，使其更加适用于中国的高考，是亟待解决的问题。　　鉴于高考录取的现状，笔者利用AnyLogic平台提供的多智能体建模方法，分别设计了平行志愿及一档多投两个模型，并根据这两个模型分别构造了考生录取状态图，然后基于国内外现行的这两种录取机制分别进行了仿真实验。在平行志愿实验方面，本文以2014北京考生分数分布和2014年高校校友会排名中的高校声誉这一指标作为标准，分别对模型模拟出的分数及分数线进行校验。在此基础上，以2010-2014年全国高考录取率作为标准，验证了模型的有效性。在通过平行志愿仿真实验证明了多智能体仿真适用于研究高考录取问题的基础上，进行了一档多投仿真实验，并以录取率和匹配率作为标准，将一档多投模型与平行志愿模型进行对比，用仿真数据证明了一档多投录取模式的优越性。最后，在其他实验条件不变的情况下，本文通过调整志愿数量的方式，仍使用录取率和匹配率作为标准，确定最优志愿数。　　本文最终得出如下结论:第一，以录取率及匹配率作为衡量指标的情况下，一档多投明显优于平行志愿录取模式。第二，中国现在采用的志愿数60并不是最优的，平行志愿录取模式的最优志愿数为55，一档多投录取模式的最优志愿数为100。