计算基因组学中许多问题都是NP难问题,人们可以利用近似算法、启发式算法、随机算法来解决这些问题。但是,计算基因组学归根究底的研究目的是为生物学、药理学、病理学做贡献,这些领域关乎生命,所以问题的解必然是越精确越好。因此,参数化算法在解决计算基因组学问题时不失为一种好方法。对遗传信息进行数据分析之前,需要保证基因图谱中没有冗余数据和干扰数据。最长带恢复问题(Maximal Strip Recovery,简称为MSR)就是对基因图谱中的数据进行处理,使之没有错误和模糊的干扰数据。其补问题(Complementary Maximal Strip Recovery,简称为CMSR)与其等价。本文主要针对CMSR问题进行具体的核心化算法研究,提出了改进的核心化算法,具体的研究内容包括:首先,对于参数计算与复杂性理论的发展背景进行了简单的介绍,同时对于我们所研究的CMSR问题介绍了相关理论和技术,比如参数算法和核心化技术的相关理论。其次,本文根据当前关于CMSR问题最好结果的核心化思想,进一步分析了 CMSR问题的结构特性,提出了新的更有助于分析的辅助图,我们在每一个同源块之间生成边而不是每个超级块直接生成边,这样产生的图结构更细致,有助于分析CMSR中的特殊情况,并且使得在设计简化规则时,更简单和易理解。我们依据7个简化规则提出了一个42k的核。接着,对CMSR问题的结果进行了优化,提出新的概念gap,发现删除孤立字符是否对原字符串产生影响与gap有关。利用gap这个概念,提出2个简化规则,规则的定义简单易操作,根据这两个简化规则将CMSR问题的核优化到了 26k。本文的研究为CMSR问题的精确解决方法提供了参考,并为核心化技术的应用提供了理论支持。