20世纪90年代以来,生命科学研究取得了突破性的进展,随着人类基因组计划的开展与现代生物技术的发展,人类积累的大量生物信息数据为揭开生命奥秘提供了数据基础。序列分析成为计算生物信息学的一个重要研究领域。序列模体(Motif)发现是序列分析中的核心问题,它涉及到基因的发现、转录因子结合位点的发现、启动子的发现等生物学问题。模体发现是通过寻找不同序列间的相似片段来归结出这些序列片段中所蕴涵的特征模式。近年来,在模体发现的算法研究方面,人们已经探索出了一些有效的算法。但不幸的是,随着数据规模的不断扩大,大多数算法对这个NP-完全问题的执行效果都不理想。所以,积极探索更加有效的模体发现算法已成为生物序列研究领域中的重大课题,并受到越来越广泛的关注。本文研究了DNA序列中模体发现问题的算法。首先介绍了序列模体发现问题,并对现有的模体发现算法进行了详尽的分析。在分析当前算法的基础上,提出了一种有效的SDA穷尽搜索的模体发现算法。该算法首先基于分治的思想把大规模的样本序列数据集转化为一系列的子图,然后把序列模体发现问题转化为子图中团的查找,在子图中团的查找算法中,采用深度优先搜索结合回溯策略进行查找。理论分析和实验表明当前的算法具有优于其它算法的总体评价,能够应用于实际的模体发现问题。