蛋白质结构预测问题是生物信息学的热点问题之一。根据Anfinsen提出的经典“热力学理论”,蛋白质势能值最低时的状态即为蛋白质的稳定结构。因此本文采用从头预测方法对蛋白质结构进行模拟,计算蛋白质函数的最低势能值,得到最稳定的蛋白质结构。本文利用模拟蛋白质结构的二维AB非格点模型进行算法研究,以二维AB非格点模型中蛋白质势能函数的最低值为目标,预测蛋白质的稳定结构。这是一个连续函数优化问题,因此智能优化算法是研究的关键。粒子群算法是一种基于群体的、具有全局寻优能力的智能优化算法。本文选择粒子群算法为算法研究的基础,对改进算法性能的粒子群模拟退火算法和粒子群禁忌搜索算法进行深入研究,提出了一种进一步改进的粒子群退火禁忌混合优化算法(PSOSATS)。应用该算法对四条Fibonacci数列和四条较短的真实蛋白质序列进行实验,计算蛋白质的最低势能值,得到模拟的蛋白质结构构象。与其他类似算法在上述实验中进行比较,本文提出的PSOSATS算法能够得到更低的蛋白质势能值。蛋白质分子包含的氨基酸数量巨大,蛋白质结构预测中利用智能优化算法进行多维求解加重了计算负载。因此本文还研究了算法的并行特性,进行了基于OpenP、MPI和CUDA的算法并行化研究,实验表明这些并行化方案有效地改善了蛋白质结构预测的智能优化算法运行效率。