在生物学界,人们普遍认为,生物大分子的结构影响着功能。染色体三维结构在基因表达调控、遗传疾病发生等过程中起着重要的作用。随着染色体构象捕捉技术的产生和应用,人们开始利用Hi-C技术来获得染色体交互数据,利用这些数据重构染色体三维结构,已经成为生物信息学领域的重要研究方向。本文主要研究了重构染色体三维结构的距离约束模型,首先借助于递归图方法将Hi-C数据进行处理,得到初步的染色体片段的距离。由于是单细胞的Hi-C数据,缺失数据过多,采用最短距离法和插值法相结合的方法,得到相对完整的染色体片段相互作用频率矩阵,进一步得到染色体片段的距离矩阵,再利用经典多维尺度分析方法得到初步的染色体三维结构。由于在Hi-C数据的处理和低秩矩阵的完备化过程中都有误差产生,所以利用遗传算法对上述距离模型进行优化,在优化过程中,出现了遗传算法的“早熟”现象,会使适应度函数值稍小的距离在数次迭代过程中彻底淘汰,使得最终的结果不全面,利用模拟退火算法和遗传算法相结合的优化方法优化距离约束模型,将M接收准则与选择、交叉、变异结合起来,消除因遗传算法的“早熟”带来的弊端。本文的创新处在于利用最短距离法和插值法相结合,较好的恢复了低秩的接触频率矩阵中的缺失信息,进一步利用遗传算法模拟自然选择过程,选择适应度函数较高的个体,消除数据处理带来的误差;但是在长期的选择过程中,一些适应度函数值稍低的个体被淘汰,使得最终的结果缺少一部分接触位点的信息,采用模拟退火算法与遗传算法相结合的进化算法,使最终的模型适应度函数值最高。