团簇是由原子、分子或离子之间的物理或化学结合力的作用而形成的相对稳定的聚集体,其物理和化学性质随所含的原子数目及其结构的不同而相应的发生变化。而团簇科学研究的基本问题则是弄清团簇如何由原子、分子逐步演化而成,以及随着这种演化,团簇的结构和性质如何变化等等。团簇的结构作为其最基本的特征,直接影响了团簇的其它性质,预测团簇的基态结构也成为了研究团簇的重要问题。但是由于原子数的增加使得团簇模型空间呈指数型增长,这个问题被证明是NP-Hard问题。对于这种在多项式时间复杂度内不能精确求解的问题,人们提出了很多启发式算法。如BH(Basin Hopping)算法及其变形、遗传算法、模拟退火算法以及格点搜索算法。预测团簇的基态结构是一个全局优化问题,本文讨论了对于团簇问题的势能函数,关于NP难问题的一些经典的解决方法,并详细的介绍了其中几个经典的启发式算法,且基于Sutton-Chen势能模型,对内部原子操作加以改进,并将这种改进的内部原子操作与动态格子搜索算法相结合,提出DLS-IO算法对Au团簇基态结构进行预测。实验结果表明,本文提出的算法对于原子数n=3~80的Au团簇,本文算法均能获得其当前已知的最低能量结构,对于原子数n=81~200的Au团簇,本文算法获得了它们的能量值尽可能低的稳态结构。特别地,在原子数n=100,120,150这三个算例上,本文算法所得结果分别更新了当前已知的最好世界记录。