定量构效关系研究是化学计量学的重要分支。本论文主要是基于应用本实验室提出并发展的几个新的化学计量学算法,对一些药物体系进行了定量构效关系分析。建立定量构效关系模型第一步是计算大量的分子描述符,下一步则是对这些描述符进行变量选择。然而这样将变量减少往往会导致信息的丢失。本论文采用本实验室最近引入化学计量学的基于粒子群优化的最优逐区变量提取来进行隐变量提取,并运用这些隐变量代替原始变量建立回归模型。基于这个方法对二[(吖啶-4-羧基酰胺)丙基]甲胺衍生物的抗癌活性以及环氧酶抑制剂的活性进行了定量构效关系分析。结果发现改进的粒子群优化算法是一个非常有效的搜索最优变量组合的方法,具有较快的收敛速度。在构效关系的研究中,当训练集中的化合物结构差异较大或是化合物对受体的作用机制不同时,很难仅用一个线性模型来包含所有感兴趣的化合物。为了解决这个问题,引入了基于粒子群优化的分段超球建模(PHMPSO),这个新的方法是将整个数据集分成几个子集,以获得满意的分段线性模型。基于这个方法,对2-芳基(杂环芳基)-2,5-二氢吡唑[4,3-c]喹啉-3-(3H)衍生物对苯(并)二氮受体的亲和性进行了建模,并同用多元线性回归对整体数据集建立的单一模型和K均值聚类分析法得到的结果进行了比较,结果发现,应用PHMPSO算法能有效的提高回归模型的拟合程度。通过对建模所用变量的分析,能够得到一些药物与生物大分子作用的信息,对以后的药物合成有一定的指导作用。波段选择也属于变量选择,它是用选出来的波段代替全波段建模从而改善模型的性能。本文附章报道的是用本实验室提出的改进的粒子群优化算法对咖啡因含量不同的血浆样本的近红外吸收光谱进行波段选择,选出的波段用偏最小二乘建模。所建立的校正模型与用全波段建立的模型相比较。结果表明用改进的粒子群优化算法进行波段选择能显著改善模型的性能,改进的粒子群优化算法被证实是一个有效的波段选择方法。