本文首先介绍了生物信息学研究的背景,以及相关领域的发展情况。详细讨论了生物信息学中研究DNA模体发现的一个重要的模型,也就是植入(l,d)-模体模型,该模型下的l、d的某些组合构成了“挑战问题”。随后本文对植入模体模型中的“挑战问题”进行了概率分析,并根据植入(l,d)-模体发现问题中存在随机生成模体的数学期望大小,划分出可解问题与不可解问题的分界线。在分界线附近的部分植入(l,d)-模体发现问题就成为了植入模体发现的“困难问题”。Buhler和Tompa提出的随机投影模体发现算法较好地解决了植入模体模型下的大部分“挑战问题”。本文细致地描述了随机投影模体发现算法的众多细节,并针对随机投影算法中的建桶以及桶搜索提出了基于哈希表的改进方法,并进行了复杂度分析。实验结果表明改进后的算法在确保正确率的前提下,对算法的时间性能有了较大的改进。本文针对随机投影模体发现算法解决部分植入模体问题时的正确率的不足,基于提高算法随机性以及算法全局搜索能力的想法,提出了模体发现的GARPS算法。算法沿用随机投影算法中投影的思想,对投影后产生的合格桶所组成的种群施加特定参数的遗传迭代,输出最优的个体做为模体。通过实验表明,GARPS算法全面提高了查找植入模体的正确率,对于真实生物模体GARPS算法也能进行完全正确地识别。