药物的设计和研发工作长久以来以其高投入、高风险的特质成为制约药物领域发展的重要因素。随着上世纪计算机技术的迅猛发展，将计算机技术、优化方法与药物设计三者融合而成的计算机辅助药物分子设计已经成为创新药物研究的重要领域；而药物分子对接方法研究则是计算机辅助药物分子设计的重要环节和步骤。最优化方法作为一门应用型的学科，通过将实际的应用问题转化为合理的数学模型，并采用高效的优化算法得到问题的最优答案。将最优化方法应用到药物分子对接领域，可以大大提高计算机辅助药物分子设计的准确性与效率，同时极大的降低药物设计前期的成本。本文的主要工作，就是从优化方法的模型建立与改进的优化算法应用两个主要方面入手，通过建立全新的药物分子对接中的优化模型并应用改进的搜索算法，从而得到更加全面、实用的分子对接优化方法。首先介绍了计算机辅助药物分子设计领域的发展及药物分子对接方法的理论；然后，综述了目前优化方法的研究现状并着重对本文应用的遗传算法理论及方法进行了阐述。在此基础上，构建了基于经验和基于知识的两种药物分子对接的优化模型Escore和Kscore；并将改进的基于信息熵的多种群自适应遗传算法引入到分子对接的优化过程中，形成了实用有效的药物分子对接程序EGAsDock及KGAsDock。为验证两种优化方法的有效性，本文分别采用复合物自由结合能预测及晶体结构复原、分子对接实例等方法对两种算法的准确性及可行性进行了测试，测试结果显示两种分子对接方法均具有较好的实用性及计算精度；特别是基于知识的优化模型在DNA及KNA复合物的自由结合能预测及分子对接方面有着更为广阔的发展前景。