概率布尔网络(Probabilistic Boolean Networks，PBN)是在布尔网络的基础上加以概率形式变化而成的。它改变了布尔网络的确定性，能够灵活的、强有力的模拟某些不确定的生物的内部系统，即能够将基因调控网络抽象化，因此概率布尔网络已经广泛应用于基因调控网络及生物系统的模拟。随着概率布尔网络逆问题的提出，生物问题被推到了新的领域。　　概率布尔网络逆问题的求解步骤如下：先将问题转化为目标的半Markov决策过程模型，通过选取最优控制输入使得和系统相关的目标函数最小，从而解决了一个最优控制问题。然后针对最优控制问题，本文采用一种最为常用、最有效的最优化方法-共轭梯度法(Conjugate Gradient Methods CG)，并且开始应用于概率布尔网络中。其中，FR方法是一种非线性共轭梯度法，这种方法的优点是全局收敛性较好，缺点是计算性能不好;PRP方法能有效的避免FR方法可能连续产生小步长的缺点，但其收敛性并不好;HS数值表现良好，但对于一般非凸函数，若采用线搜索精确搜索，HS方法可能就不收敛;DY方法收敛性表现良好，其数值表现却没有PRP方法好。　　本文采用混合HS-DY共轭梯度法来求解概率布尔网络的逆问题。经过比较分析研究，发现混合HS-DY共轭梯度算法相较于其它共轭梯度法有更好的收敛性、更好的数值表现性以及更小的误差。同时，当线性方程组的系数为大稀疏矩阵时，本文提出了一种解决秩亏线性方程组的PSD分裂法，并用数值仿真证明了该方法的可行性。　　最后，本文采用一种参数估计法-COD方法来预测概率布尔网络结构，并用数值仿真证明了提出的方法具有很好的收敛性及良好的数值表现形式。