复杂系统是目前科学研究的前沿方向,而生物体就是一个由多种分子构成的复杂系统。许多疾病的发生发展也与复杂系统有着密不可分的关系。因此,组合药物由于作用在复杂系统中的多个节点,往往在比单个药物治疗更加有效的同时具有更小的毒副作用。然而,如何对组合药物进行筛选及优化,即建立复杂系统的多因素输入与表型输出之间的关系,是目前该领域所面临的难题和挑战。为解决这一难题,反馈系统控制(FSC)技术通过结合机器学习的模型建立能力和启发式算法的搜索能力,采用迭代的方式,实现系统地归纳和比较少量的实验数据,以不断接近最优组合。然而目前FSC方法还存在两项不足:一是FSC的优化效率依赖于剂量与表型关系的模型建立是否准确,而目前缺乏对现有的多种模型选择和建立方法在不同应用条件下系统性的优劣比较;二是在针对不同药物数量的具体优化策略和实验设计缺乏系统性的指导方案。针对这些不足,本课题基于计算机模拟的方法,对药物组合优化进行了系统性地总结。本论文从复杂系统的角度出发,从理论上论证了使用二次多项式建模进行药物组合优化的可行性及合理性,并比较了单次建模和FSC算法用于优化药物组合的效率。针对模拟结果,本文基于交叉验证设计了一种新的逐步回归建模算法与FSC进行结合,并比较了新算法与其他FSC算法在不同条件下的优化效率。最后,本文还讨论了不同条件下,使用FSC算法进行优化所需的最少实验量。