蛋白质结构预测问题是分子生物学提出的基本理论性问题。求解该问题不仅在生命认知科学理论上具有重大的理论意义;而且,在疾病治疗和药物研究方面也具有重大的现实意义。应用现有的科学仪器和技术手段来测定某些蛋白质大分子结构确实面临着一定的困难。于是,学者们提出了一些简化模型,并利用计算机科学和技术的方法对这些模型进行了研究。初步结果表明,对这些简化模型的研究具有重要价值。其中的AB模型在蛋白质结构预测问题上具有很高的真实度。首先介绍了AB模型的构造方法,并建立了与之相应的数学模型。但此模型带有约束条件,不能很自由地进行优化计算。于是,使用一种拟物方法将其转化为无约束条件的优化问题,这样就可以很方便地进行求解了。接着,详细介绍了一种经典的优化算法——梯度下降法,并用该算法对一个最简单的算例进行计算,来检验此算法的真实度和优度。结果表明,此算法的真实度是很高的,但优度不够,只能达到局部极小值。因此,从以下两个方面对此算法加以改进:一方面,提出了一种较好的初始格局构造方法;另一方面,设计了一些拟人跳坑策略。实践表明,通过这样一番改进,不仅确保了算法的真实度,而且优度更高。最后,对现阶段的工作进行了总结,并对上述两个方面的工作提出了进一步的改进意见。