随着人类基因组计划的逐步完成,人类进入后基因组时代。基因芯片技术的发展使得同时观测成千上万的基因在某个特定条件下的表达水平成为可能,生物学的研究重点也从揭示生命的所有遗传信息转移到在整体水平上对基因功能的研究。基因调控网络是基于微阵列数据,对基因之间调控关系的一种仿真和重建,对阐明复杂的基因调控过程有重要意义,是目前的研究热点。论文分别探究了基于确定性和随机性网络模型的基因调控网络重建方法。论文首先分析了基因调控网络的常用模型的优缺点,采用BP网络和基于粒子群算法（PSO）的加权矩阵模型,通过优化参数和改进搜索机制,实现了基于确定性模型的基因调控网络的重建,并对比了两种方法的收敛性与逼近精度。在随机性模型方面,论文主要研究了基于遗传规划算法的基因调控网络重建。通过与微分方程模型相结合,利用遗传算子寻找适合实验数据的调控关系和参数,并对遗传规划算法中的初始种群产生策略以及变异策略进行了改进。通过酵母基因表达数据构建基因调控网络的实验结果表明：基于PSO的加权矩阵模型的精度和收敛速度均高于BP网络；基于遗传规划算法的微分方程模型能够适应外部条件的连续性变化,推导结果与实验数据匹配程度高,并且可以描述基因之间随机的非线性调控关系,具有很好的研究前景。