蛋白质的空间构象问题是计算生物研究中涉及的一类重要问题。本文研究蛋白质的氨基酸序列在空间中如何排列构成它的基态的问题,即蛋白质折叠问题。本文采用广受欢迎的格点模型(HP模型)为蛋白质折叠问题的模型,并针对二维HP模型和三维HP模型,分别利用磁滞优化算法(HO)和极值优化算法研究了蛋白质折叠问题。首先,本文首次把磁滞优化算法(HO)应用到二维HP模型的蛋白质折叠问题中。HO算法是一种基于物理的优化算法,最早是由G.Zar a nd等人于2002年针对旋转玻璃模型所提出的。算法的核心在于利用交流去磁过程达到优化的效果。具体地说,通过在模型中引入外部场强度,随着外部场强度方向的依次交替变化,逐步优化目标函数,使其最终趋于最优解。HO算法的创始人曾把它应用到100个城市的旅行商问题求解中,并分析了该算法的有效性,本文首次把HO算法应用到蛋白质折叠问题中,针对二维的HP模型,HO算法对于氨基酸序列长度小于85的蛋白质折叠问题求解十分有效,能较快找到最优构象。其次,本文扩展了极值优化算法,把它成功地应用到更为复杂的三维蛋白质折叠优化问题中。对于三维的HP模型,找寻最优解更加复杂,很多算法比如遗传算法,蒙特卡罗算法等近年来也在解决二维HP模型的蛋白质折叠问题之后,尝试扩展到解决三维HP模型的优化问题。相比而言,极值优化算法是一种收敛速度快,局部搜索能力强,且设计简单容易实现的优化算法。极值优化算法应用到二维蛋白质折叠优化问题中,对于短序列的蛋白质优化问题呈现出了很好的效果。本文则在此基础上把它应用到更为复杂的三维蛋白质折叠优化问题中,通过对局部适值差的分子改变空间位置,逐步调整氨基酸分子在空间分布状态,最终折叠成最低能量构型。最后,本文对全文做了总结,并对未来的研究做了展望。