作为生物学与工程学的交叉学科,合成生物学结合了系统辨识和控制理论诸多特征,包括反馈和振荡行为等。考虑到生物系统的复杂性,仅凭借经验知识不足以准确捕获其主要动态特征并开展深入的分析研究,因此有必要构建生物系统的有效数学模型,从而获得系统的机理特性。当前,以粒子群优化为代表的多种智能优化算法在系统建模领域取得了显著的进展,但依然存在算法易陷入局部最优的问题。为此,本文通过对粒子群算法的拓扑结构进行改进来改善其全局搜索能力,并开展了生物网络的参数估计及结构设计的应用研究。本文的主要工作包括:1.针对粒子群优化算法和随机漂移粒子群优化算法存在陷入局部最优和对参数敏感的问题,结合局部拓扑结构具有增强算法全局搜索能力的特性,提出了冯·诺依曼拓扑结构的随机漂移粒子群优化算法,并通过对经典测试函数的寻优仿真验证了算法的有效性。2.针对生物网络参数估计时存在的非线性难题,应用所提出的具有较强全局搜索能力的算法进行仿真求解,并与其他四种算法的结果进行了比较,结果表明所提出的改进算法能有效提高实例系统的参数估计性能。3.针对合成基因振荡网络的鲁棒性设计问题,提出了一种改进算法的离散型优化方法,结合两步优化思想,在优化确定网络结构的基础上进行了鲁棒性能的优化设计,仿真结果表明,经过鲁棒性能的优化后,设计得到的网络在结构和参数方面的鲁棒性能得到了很大的提高。4.同时考虑结构和参数的影响时,具有同步行为的振荡器耦合网络的优化设计成为一个混合整数优化问题。应用所提出的改进优化算法进行了典型实例的仿真研究,结果表明,经过两步优化设计能够得到具有较强同步特性的耦合网络。