基因调控网络是指细胞内基因之间的相互作用形成的调控网络,它是生物体内控制基因表达的主要机制。构建基因调控网络是理解生命活动本质的重要手段之一,因此利用高通量实验数据,特别是微阵列数据构建基因调控网络已成为系统生物学领域的研究热点。但目前已有的基于微阵列的基因调控网络构建方法大多存在着无法确定调控方向或计算复杂度过高等问题,因此,本文提出了一种结合已有的相关性检验方法和常微分方程建模方法的基因调控网络构建方法。该方法首先利用扰动实验数据计算基因之间的皮尔森相关系数,然后通过Z分数排序的方法构建一个初始的基因调控网络。在此基础上,使用时间序列数据和常微分方程建模的方法对这个初始调控网络进行优化。在常微分方程模型建立之后,基因网络推导问题就转变成了一个模型参数估计问题。本文提出了一种内嵌禁忌搜索的粒子群优化算法,即禁忌粒子群优化来估计模型参数。在进行模型参数估计时,为了降低计算复杂性,首先利用曲线拟合方法对时间序列表达谱数据进行曲线拟合,估计出每一个时间点的微分,这样微分方程的参数估计问题就转变为一个伪多元线性回归的问题,计算时间大大降低。最后,我们使用标准测试集和真实的微阵列数据对本文所提出的方法进行了实验验证。结果表明,本文所提出的算法在构建基因调控网络时,识别的敏感性、特异性和精确性等方面均较已有方法有所提高,同时,本文方法的计算速度也较已有方法快。