近年来,随着人类基因组计划(Human Genome Project)完成,越来越多的研究者用全基因组关联分析(Genome Wide Association Study,GWAS)研究出很多简单疾病的遗传规律,为人类疾病的医治、预防提供了帮助。GWAS通过检测单核苷酸多态性(Single Nucleotide Polymorphism,SNP)和疾病之间的关联,找出与疾病有关的SNP。然而,随着人们生活水平渐渐提高,很多复杂疾病成为常见疾病,不是由单个SNP的变异引起的,而是由多个SNP共同引起的。研究者运用各种不同方法寻找致病SNP组合,希望可以解决科学难题。本文提出了一种新的算法即基于含禁忌表的负反馈蚁群优化算法(An Application of Tabu Table Based Negative Feedback Ant Colony Optimization Algorithm,TNACO)用于全基因组关联分析,该算法的优点在于:采用了互信息和Gini score,这两个计算量相对较小的目标函数,来评价SNP组合与疾病的关联程度,大大加快了计算速度;并且分别搜索出互信息和Gini score与疾病关联大的SNP组合,将它们合并。采用动态的阈值,算法的初始阶段大部分人工蚂蚁进入负反馈,并且在负反馈阶段加入禁忌表,迫使人工蚂蚁进行全局搜索,增大算法的空间搜索能力。本文算法在仿真数据集上测试,在保证准确度的同时,提高了计算速度,节省时间。论文算法应用在老年黄斑变性数据集上,发现了已经被验证的SNP。