分子结构决定分子的性质和功能,RNA的各种功能与其结构紧密相连,为进一步挖掘其功能,必须从了解RNA的结构入手。然而,用实验方法来确定RNA的具体三维空间结构花费高、难度大,而且并不是对所有分子都有效。因此利用对已有分子结构和功能特性的认识,通过计算机模拟和计算来“预测”这些结构信息,可以用较低的成本和较短的时间获得具有一定可信度的结果。最小自由能算法是现今国际上使用最为广泛的预测方法,基于局部茎区搜索并以自由能作为评价函数的方法将结构预测转化为组合优化问题,群智能优化算法由于其在组合优化问题中的优良性能被引入到RNA二级结构预测中,取得了一些成果。本论文主要通过两种典型的群智能优化算法:经典的粒子群优化算法和近年来兴起的蛙跳算法,针对预测问题,设计合理的算法框架,达到一定的预测效果,为群智能算法在RNA二级结构预测中的应用提供启示。首先介绍RNA二级结构的数学定义,并引入用以预测的热力学模型,为预测算法奠定理论和实验基础。对采用粒子群优化算法解决RNA二级结构预测问题的SetPSO算法进行详细分析,从人工免疫系统的基本原理出发,引入免疫记忆算子加以改进。通过仿真比较,结果表明加入免疫记忆机制可有效避免早熟停滞、提高预测精度。重新设计离散粒子群优化算法预测RNA二级结构问题的执行框架,对粒子的位置、速度及运算规则进行重新定义,从人工免疫系统的基本原理出发,加入免疫变异算子保持多样性,加入接种疫苗算子提高算法求精能力。通过仿真,结果表明新算法可达到较好的预测准确性。介绍蛙跳算法的原理、应用以及改进,设计求解组合优化问题的离散蛙跳算法,重新定义个体的位置及运算规则。仿真结果表明,离散蛙跳算法对于RNA二级结构预测问题具有良好的准确度。通过以上三个算法表明群智能优化算法对于解决RNA二级结构问题是有效的,今后的研究将纳入对假结的预测及群智能的并行计算方法,进一步提高预测的精度和速度。