目前,在生物学信息量爆炸式增长的时代,基因表达谱数据的双聚类分析技术逐渐成为研究热点,与此同时各种双聚类算法也被提出,来用于确定基因表达数据中的共表达基因。本论文提出了一种新的双聚类算法-二进制人工鱼群算法(BAFSA),该算法是一种改进的元启发式搜索算法,并且结合了传统人工鱼群算法(AFSA)和二进制形式。该算法由于采用了基于线性相关性的适应度函数,因此能够找到具有移位和缩放模式的基因,解决了传统聚类算法的缺陷。本论文将该算法应用于实际基因数据集中,能够提取出具有生物学意义的双聚类子集,具有较好的聚类性能。目前传统的双聚类算法存在两种缺陷:(1)有可能容易陷入局部最优;(2)只适用于某些特定的数据集。为了使本论文提出的BAFSA算法能够跳出局部最优,并且具有广泛的适用性,本文对该算法进行了创新性的改进。本论文将二进制人工鱼群算法(BAFS)与二进制模拟退火算法(BSA)相结合,提出了一种新的混合算法BAFS-BSA-BIC。当该双聚类方法应用于多个数据集时,搜索了许多具有生物学意义的双聚类子集,展现出该算法良好的聚类性能。另外,在与其他经典双聚类算法以及原始BAFSA算法对比中可以发现,该算法的鲁棒性以及搜索的双聚类质量均优于这些算法。