蛋白质分子的结构非常复杂,对其结构进行预测需要建立一个简化模型,并采用优化算法求解稳定状态下最小能量值,但算法的数据计算量非常庞大。因此,利用分布并行技术提高算法的执行效率是蛋白质折叠结构预测发展的一个重要环节。由CPU+GPU组成的异构分布并行环境可以有效的提高计算系统的运算速度和处理能力,这为提高优化算法的执行效率提供了理论依据。　　 本文分析了异构分布并行环境的组织结构、工作原理和性能优化方法,研究了CUDA平台的编程方法,并基于异构分布并行环境对蛋白质折叠结构预测算法进行了优化。针对遗传退火算法,本文设计了几种有效的优化策略。首先,构建程序切片调度机制,通过评估计算强度对程序进行切片和调度;然后,依据计算情况和数据规模对并行计算单元进行合理的资源动态分配;最后,通过共享存储器优化、展开循环优化、指令优化及内存合并技术,对算法进一步优化,将其改造成为适用于异构环境处理的并行模式,以提高算法的运行速度。　　 在蛋白质二维AB非格模型的基础上,本文将优化后的遗传退火算法在CUDA平台上进行实验测试。实验结果证明基于异构分布并行环境的蛋白质折叠结构预测算法的优化方法是可行的、有效的。对比算法在CPU串行环境下运行,其运行速度有很大的提高,获得了较好的加速比,对蛋白质折叠结构的研究有重要的意义和价值。