系统发育分析是计算生物领域的一个重要分支,其主要目的是重建物种之间的进化历史和亲缘关系,了解何时以及可能发生的物种形成事件,研究物种的演变过程。本文首先针对形态数据中的缺失数据造成系统发育树构建不稳定的问题,结合形态特征描述和先验知识,生成对应的特征层次关系,并结合特征依赖关系对缺失值进行估计,从而得到完整的形态数据集;然后,采用不可适用Fitch算法用来区分和度量适用数据和不可适用数据之间的状态转换;最后,进行基于最大简约原则和最大似然原则的多目标系统发育树构建,生成同时满足多目标的Pareto最优系统发育树集合,避免了单一原则下建树的局限性。相较于现有的系统发育分析方法,能够较好地解决缺失数据、不可适用数据造成的树结构不确定的问题,并通过多种建树原则,为生物学家研究生物进化提供更多依据。本文的主要工作如下:1)根据形态特征之间存在逻辑关联的特点,构建并形式化特征层次关系。结合特征层次关系信息提出了一种基于特征层次关系的形态数据缺失值估计算法。实验结果表明,在插补准确率和拓扑差异率评估中,基于特征层次关系的缺失值估计算法优于常见的缺失数据处理方法。插补后的数据集进行系统发育树构建能够得到与标准树更相似的系统发育树,较好的解决了缺失数据影响下的系统发育树准确性的问题。2)针对不可适用数据的处理,相较于常见的处理不可适用方法,如将不可适用数据看作缺失数据或者额外的特征状态来说,不可适用Fitch算法能够更好的区分和度量适用数据和不可适用数据之间的状态转换,并将其加入到多目标系统发育树构建中,较好的解决不可适用数据带来的问题。3)为了避免同一数据集在多种建树原则下可能出现冲突的情况,本文将最大简约原则和最大似然原则相结合,提出了一种多目标系统发育树构建算法,从而得到同时满足多个系统发育树构建原则的系统发育树集合。实验表明,本文提出的方法构建的500棵树结构中65.4%与现有软件生成的系统发育树保持一致。在拓扑准确率方面,本文提出的方法拓扑相似度为82.2%高于最大简约法、最大似然法、贝叶斯推断法、邻接法。当形态数据存在缺失时,采用本文提出的方法“先插补后建树”可以得到83.26%的平均拓扑相似度。因此,相较于现有方法来说,本文提出的方法具有很好的应用前景。