生物信息学是计算分子生物学与计算机科学之间的交叉学科.近年来,随着计算技术的突飞猛进,生物技术正给整个人类带来前所未有的巨大变化.该文围绕生物信息的计算模型与算法开展研究,主要内容、贡献和创新包括:(1)基因表达式数据的计算;该文的主要工作是:①讨论了聚类和异类分析的概念、基本算法和异同点,针对高维空间中异类分析的困难,提出了一个基于遗传机制的新的用于生物表达式数据异类分析的算法,为解决穷举法寻找子空间所带来的爆炸计算量问题提供了有效手段;②该算法改进了基于距离方法来寻找异类数据,减少了对邻近数据的搜索,并用欧氏几何学、积分等数学工具对该改进进行了理论分析;③在酵母茵、人类和淋巴瘤数据上进行实验,证明了该算法的实用性和改进的效率.由于该算法能对产生的子空间解给出一定的生物学上的解释,即频繁出现的维表明其对应的基因段具有多样性,因此寻找异类数据过程中找到的子空间本身具有更重要的价值.从异类分析的角度看,该方法具有一定的普适性,能够被用于对其它高维数据的异类分析.(2)生物计算模型的研究;该文的主要工作是:①研究了该模型上已有的双序列比对算法,针对其只能输出最佳罚分值的缺陷进行了改进,对动态规划矩阵进行回溯并统计各个位置插入的空格数,使得算法同时还能输出最佳比对;②以平衡分组选择网络的实现为例,介绍了一种以晶格数目开销和晶格延迟时间两方面为基础的开销分析方法,将这种方法应用到对前述双序列比对算法的分析,验证了该算法的有效性.(3)生物序列的计算生物序列信息是最基本的生物信息,包括DNA序列和蛋白质序列,该文的研究重点是前者.我们研究了多序列比对问题的算法,提出了两个并行近似算法.