从生物信息学形成早期到人类基因组计划的实施,人类对生命起源的探究逐步迈入后基因组和蛋白质组时代,这一步步的进程都伴随着序列比对研究,序列比对研究亦是生物信息学、计算生物学和近代生命科学等学科研究的基础。随着新的生物序列不断被发现,数据库的不断完善,海量的序列对数据提取和分析能力提出了极高的要求,经过不断的探索与研究,研究者们提出了许多多序列比对算法。然而鉴于多序列最优比对的NP难题性质,虽然研究人员提出了大量的算法用于求解生物序列比对问题,但除了少数几种经典算法外,目前少有明显优越的算法。因此,高精度且具有统计学意义的多序列比对算法的设计仍旧处在探索阶段。本文的研究正是在这一背景下进行的,建立最优比对求解模型,对算法进行调整和优化,通过实例证明了提出的算法的有效性。本文所做的主要工作如下:(1)综述本研究领域的当前国内、国际在这一问题上的研究前沿与状况;对多序列比对算法的发展历程进行了梳理,介绍了一些基本概念,对经典序列比对算法的原理、特性进行了分析。(2)对多目标遗传算法的数学模型进行解析,在传统的NSGA算法基础上,集成了模拟退火算法的思想,提出了一种求解多序列比对问题的非劣排序遗传-模拟退火算法(MSA-NSGA-SA),通过一组生物多序列算例的测试,体现本文提出的新算法在解决多序列比对问题的有效性。(3)从NSGA算法过渡到NSGA2算法,对NSGA2算法的原理和优势做了说明,进一步的,提出了 MSA-NSGA2-SA算法,并对一些算子、参数进行了调整与改进,来提高算法的性能,从多个评价角度分析得出MSA-NSGA2-SA算法所作出的改进及有效性。(4)对本文研究做了总结,指明今后的研究和改进方向。