生物系统一般来说都是多稳态系统,其中不同的稳定状态,即吸引子,代表了生物体的不同表现形态。通常来讲,生物有机体正处于某一种吸引子状态,或者正在向某一稳定状态转移。近年来的研究表明,生物系统由一种状态向另一种状态的转变是可以实现的,例如细胞由早期癌症状态向正常状态的转变,这为很多疾病的临床治疗提供了新的契机。生物系统的各分子之间具有错综复杂的调控关系,故而生物网络具有高度复杂性和高度非线性的特点。基因调控网络在生物系统中具有举足轻重的意义,近十年来随着基因测序技术的广泛发展,已有大量的研究从控制理论或者物理能量的角度来探索基因调控网络的可控性以及状态转变的机制。当前研究大多以布尔网络模型或者线性微分方程模型为研究对象,忽略了基因网络连续的或非线性的动态特性。除此之外,一些学者尝试对基因网络非线性微分方程模型中的所有参数进行参数扰动以寻求可以实现状态转变的控制变量,然而这种方法对于具有众多调控参数的基因网络来说将耗费巨大的计算成本和时间成本,亦难以找到实现目标的最优调控变量。如何从基因网络成百上千的调控参数中识别控制变量及最少控制变量集,并对控制信号进行设计,这对当前基因网络状态转变策略的研究来说是一个挑战。本文基于优化的思想,在对动态优化算法和混合整数动态优化算法进行拓展的基础上,对基因调控网络的状态转变实施了最优控制,主要内容包括以下几点:一、本文利用拓展的拟序贯算法对非线性基因网络的状态转变进行了控制信号的最优设计。一方面,对控制信号的路径进行了优化设计,另一方面,基于时间优化的要求,将离散后的有限单元长度作为控制变量,并将优化时间加入目标函数中,从而实现了最快时间内的状态转变。该方法被用于两节点基因网络和T-LGL信号网络中,优化结果证明了拟序贯算法在生物系统优化控制中的有效性。二、为了从基因网络众多的调控反应参数中识别控制变量,本文将该问题转化为一个混合整数动态优化问题,并利用混合整数动态优化算法对其进行求解。由于求解过程中初值选取的困难以及求解的不稳定性,混合整数动态优化问题在经过变量离散和整数处理之后被转化为一个非线性规划问题,之后利用拟序贯算对其进行了求解。该方法解决了骨髓细胞分化调节网络、癌症基因网络和TLGL信号网络的变量识别问题,同时实现了状态转变控制变量的识别、信号路径的最优设计,以及转变时间最小化处理等目标,亦得到了除最优方案之外的多种可行策略。三、本文对具有异常周期节律的生物系统进行了优化调控,消除了紊乱周期节律给生物系统带来的不利影响。由于此类生物系统复杂的动态特性,本文对混合整数动态优化的求解过程采取了时间分段的策略,实现了生物系统中周期节律的状态转变和周期相位的重置,并将该方法应用到混沌系统、哺乳动物生理节律系统以及胃癌基因调控网络中,所得结果验证了本文优化方法的有效性。虽然本文对基因网络的优化控制是基于数学模型来实施的,但考虑了很多疾病临床治疗实际因素,因此本文方法具有一定的应用指导意义。除了基因调控网络,本文方法亦可用于其他复杂过程系统的状态转变问题。