群体智能是模拟自然界生物的群体行为而构造的随机优化算法,它为寻找一些复杂问题如约束性,非线性和求极值等的解决方案提供了新的思路。蚁群算法与粒子群优化算法是群体智能中的两种最重要的方法,将其应用到生物信息学中的基础任务序列比对中正是本文的研究内容。一方面,蚁群算法已被应用到序列比对中,但传统蚁群算法只能应用于相近长度的序列比对且容易陷入局部最优。为通过蚁群算法获得一个准确的基因序列比对算法,本文给出了一种新的基于蚁群算法的DNA序列比对方法。该方法通过在不同时刻调节蚂蚁起、止位置,修正信息素,来避免局部最优,特别是可以根据行走路径去除比对差异大的路径得分,使算法具有较好比对不同长度序列的能力,一定程度上摆脱了传统方法的应用局限性。实验结果表明这种新颖的序列比对算法是有效的和可行的。另一方面,粒子群优化算法源于对鸟群运动行为的模拟,其特点是简单、需调整参数较少、收敛速度快且易于实现,本文首先介绍了粒子群优化算法求解问题的优越性,并提出了一种粒子群优化算法的改进:根据不同应用给出相应的自适性惯性权重,同时参考其它优秀粒子的位置,均衡该粒子的当前最优位置,改进的粒子群算法具有使粒子更符合进化特点、加快算法的收敛速度、改善粒子群优化算法的搜索性能、提高全局收敛的优点。本文将粒子群优化算法应用于解决序列比对问题上,并结合序列比对特点给出了粒子初始位置的约束条件和粒子在运动过程中的移动策略,通过实验说明了方法的可行性和有效性。本文对改进后的蚁群算法和粒子群优化算法进行比较分别说明了各自算法在双序列比对方面的特点。通过将改进后的蚁群算法和粒子群优化算法实际应用于松树cDNA序列中特征的提取,证明了蚁群算法与粒子群优化算法在序列查找问题中的可行性,表现了群体智能的广泛应用空间和令人满意的优化性能。