蛋白质结构预测（Protein Structure Prediction, PSP）由于计算复杂一直被认为是生物信息学极具挑战性的问题。从头预测法是一种常见 PSP的理论方法。本文研究非格点AB模型的蛋白质二维结构的从头预测。根据蛋白质的天然构象在自由能最低时最稳定这一假设，从头预测将PSP问题转化为函数优化问题。　　阈值接收算法（Threshold accepting, TA）是一种类模拟退火算法（Simulated Annealing, SA），主要应用于组合优化问题。本文研究连续空间优化问题的TA算法，把TA算法应用于AB模型的二维PSP问题，主要研究内容包括：　　研究了基于自适应邻域（ADaptiveneighborhood, AD）的TA算法，利用AD产生候选解，算法初期产生候选解的邻域范围较大，后期搜索集中在一个很小的范围，使算法在空间勘探和重点区域开采之间协调平衡。在12个基本测试函数和蛋白质序列上分别对单个体TA算法测试，仿真结果表明通过AD采样的TA算法可以明显提高TA算法的性能。对测试函数进一步扩大搜索范围，结果表明即使在变量范围扩大1000倍的情况下，结果依然保持不错。理论和实验表明AD采样具有良好性能。　　研究了多个体阈值接收算法（Multi-agent Threshold accepting,MTA），每个个体通过粒子群优化（Particle Swarm Optimization,PSO）算法运动方程，利用各自独立的速度、位置采样产生候选解，因为每个粒子都有记忆飞过的最好位置能力，使算法能更好地在最优区域搜索。在12个基本测试函数和蛋白质结构序列上分别进行仿真实验，结果表明对于连续空间的函数优化问题，PSO采样效果更佳。在四条长Fibonacci测试序列、四条较短和三条较长真实蛋白质序列上进行实验仿真，结果表明通过AD采样的MTA算法比通过其他不同采样策略MSA（Multi-agent Simulated Annealing）和其他采样方式的MTA效果更好或相当。