随着生物技术的不断发展和系统发育学的深入研究，在重构系统发育树时，研究人员往往要面对更多的挑战和困难：1.需要分析的生物类群中所含有的物种数（或个体数）不断增加；2.单一物种（或个体）的分类信息量（如：分子信息）迅速扩大。尤其在基因组测序技术的推动下，依托分子信息进行的系统发育重建涉及极大的计算量，因此数学方法、计算机技术以及其他辅助工具对于系统发育重建的效率和精确度起着至关重要的作用。最大简约法（Maximum parsimony）是一种十分重要的系统发育重建方法，提高最大简约法的计算效率对系统发育学的研究具有重要意义，针对该算法的优化改进需要生物学家和计算机专家的共同努力。本文通过概括系统发育重建的基本内容与手段、大量总结国内外的研究情况与进展、详细地分析最大简约法的计算流程、研究其参数选择对计算效率的影响，最终从多个方面实现了基于最大简约法进行系统发育重建的算法改进与优化。在高性能集群计算服务器上，使用中小数据集、大数据、仿真数据和Phylip自带数据进行反复测试，结果表明：改进与优化后的最大简约算法计算效率得到了大幅的提升，计算结果与未优化时保持不变，切实有效地为系统发育研究工作者提供了一种方便快捷的计算手段，以满足生物学家利用最大简约法分析更多的分类群体、更大的DNA分子信息的研究需求。