信息时代已经来临,当前计算机环境更加复杂多样,所以我们需要将计算机的硬件潜能(如CPU、GPU、PSP)更充分地发挥出来。在计算科学中,存在的异构体系就恰好可以成为我们计算、分析各项研究任务的最优选择方式。传统的C或C++的编译目标一般都是CPU;NVIDIA的CUDA也只能针对NVIDIA的GPU而非CPU。搭建OpenCL平台就可以在混合架构的设备(hybrid device)上,调用GPU实现在异构环境下的并行加速算法。当前,并行比对算法也被应用在生物信息学领域,DNA序列比对是生物信息学最基本的研究内容,基于OpenCL平台的并行加速算法将会为DNA序列比对提供新的研究途径。因此,本文结合OpenCL的并行特点,重点对DNA序列比对算法进行相关研究。主要研究成果有:首先,本文介绍了OpenCL基础以及DNA序列比对的相关知识,分析了OpenCL在异构体系上的作用,阐述了在生物信息学研究中DNA序列比对的现实意义,并对DNA序列比对方法在国内外的发展状况作出研究和总结。其次,本文研究了基于动态规划的DNA序列比对算法,阐述了双序列比对的数学理论和计数规则,在JAVA虚拟机上模拟基于动态规划算法的Needleman-Wunsch算法和Smith-Waterman算法的串行设计,引入“双罚分”机制,实现了基于Smith-Waterman算法的异构并行设计,并面向OpenCL平台实现了DNA序列并行异构比对算法,通过实验数据给出了使用并行算法前后的比对图。最后,本文研究分析了面向OpenCL平台的GPU优化策略,针对GPU架构特点,提出了一种基于GPU结构优化的并行策略,加速实现Smith—Waterman算法,并通过实验结果比对分析相关性能。