中文摘要：

随着基因组学和蛋白质组学研究的逐步深入，生物信息学面临的挑战性问题越来越多，对大规模数据的处理和利用，对具NP-hard本质的生物学模型的解算，已是生物信息学研究的瓶颈，成为全球科学家特别是运筹学家关注的问题。本课题研究的几个主要内容均属于这一范畴，即具有生物学背景，用到生物学数据，又是运筹学中的困难问题(1)杂交测序法所得数据的重组计算；(2)利用单体型对单核苷酸多态性研究中的快速优化算法；(3)通过数据压缩提炼蛋白质结构特征并生成新的数据库。涉及的运筹学分支为组合优化与图论、数学规划、动态规划、人工神经网络和马氏链等。这些研究内容的意义在于，它们是当前生物学和生物信息学研究的重点，得到的算法将为生物学家使用并有助于增强对生物问题本身的理解(例如蛋白质结构的要素)，同时对运筹学的研究也会起到推动作用。近十年来的国际生物信息学研究已经表明，生物信息学研究是近代运筹学发展的重要动力之一。

结论摘要：

随着基因组学和蛋白质组学研究的逐步深入，生物信息学面临的挑战性问题越来越多，对大规模数据的处理和利用，对具NP-hard本质的生物学模型的解算，已是生物信息学研究的瓶颈，成为全球科学家特别是运筹学家关注的问题。本课题研究的几个主要内容均属于这一范畴，即具有生物学背景，用到生物学数据，又是运筹学中的困难问题(1)杂交测序法所得数据的重组计算；(2)利用单体型对单核苷酸多态性研究中的快速优化算法；(3)通过数据压缩提炼蛋白质结构特征并生成新的数据库。涉及的运筹学分支为组合优化与图论、数学规划、动态规划、人工神经网络和马氏链等。这些研究内容的意义在于，它们是当前生物学和生物信息学研究的重点，得到的算法将为生物学家使用并有助于增强对生物问题本身的理解(例如蛋白质结构的要素)，同时对运筹学的研究也会起到推动作用。近十年来的国际生物信息学研究已经表明，生物信息学研究是近代运筹学发展的重要动力之一。