进化树的重建问题是进化生物学中的一个基础问题,也是一个生物学与计算机学相结合的生物信息学问题。进化树的重建问题旨在重建出一棵能够最真实描述物种间进化关系的进化树。重建进化树的方法主要分为三类:(1)基于距离法;(2)最大简约法;(3)最大似然法。因为最大简约法和最大似然法可视为评价进化树优劣的方法,且两者存在一定冲突,所以这两个方法可做为多目标优化问题的目标函数。本文将重建进化树视为多目标优化问题,设计了一个基于共识分枝的多目标进化算法,该算法被命令为MOEA-RC。共识分枝指的是多棵树共同拥有的分枝结构,本论文假设从优异解得到的共识分枝在一定程度上是对的,于是在进化算法的迭代过程中找出这些共识分枝并加以保护。实验证明了,在三个真实数据集上,本文提出的算法相较于几个经典的多目标进化算法和多个重建进化树软件都有一定的优越性。最大似然法和最大简约法两个方法的运算需要大量的计算资源,这使得算法的运算时间较长。于是,本文设计了一个能够在spark平台上并行运算的多目标重建进化树算法。该算法利用了岛模型框架帮助提高算法解的多样性,并结合了共识分枝加快算法的收敛。在实验中,该并行算法能够在收敛性能不比MOEA-RC差的情况下通过spark平台的并行运算极大的缩短运行时间。最后,将上述并行算法封装成了进化树重建网站,使得算法的使用者能够轻松快速地完成重建进化树这一需要消耗大量计算机资源的运算任务。