随着时代的发展,我们对疾病的认识也更加深入。疾病的产生不但可以用网络来表示,还可以通过网络来研究病理,找到致病的原因。病理的发现就是寻找网络中的分子靶标并证明它们和疾病的产生相关,然后研究和开发相应的药物,这就形成了网络药理学。网络药理学以系统生物学和网络生物学为基础,能够在分子水平上更好地理解细胞和各组织之间的行为以及它们对整个系统的影响。对于疾病分子网络,以往的单靶标高选择性药物在治疗复杂疾病时已显现出它的弊端,很难达到理想的治疗效果。现在我们采用多靶标药物治疗的方式,同时调节疾病分子网络中的多个环节,预测并发现能够对系统恢复起到作用的靶标,并且使药物在作用靶标的同时,最大限度的不影响网络的平衡性。多靶标药物治疗主要分为两个阶段：首先需要筛选出网络中潜在的药物靶标,了解它们的致病性,这也是治疗疾病分子网络的关键所在；其次是利用已经筛选出的药物靶标进行相互组合干预,进而得到针对疾病的有效抑制方案。对于此类问题,目前使用的优化算法效率不高,而且耗时太多,所以本文提出使用群体智能算法来处理分子网络问题,并使用花生四烯酸Arachidonic acid)炎症代谢网络作为一个具体的算例。本文的创新点在第三章和第五章中详细介绍。第三章对现有的粒子群算法提出一些改进。提出计算并行化、种群初始均匀化、更新代数的约束、速度位置更新权重的自适应调整、避免早熟和坏情况的提前终止策略,这样更有利于多靶标的筛选。第五章运用改进后的粒子群算法对AA代谢网络进行多靶标筛选。对酶的活性给出三种扰动方案并相应分析实验结果、对目标函数进行约束调整,使之更有利于筛选出理想的组合。该算法不仅能够筛选出相关的关键靶标,而且还能够得到针对疾病治疗方案的药物靶标有效组合。在计算时间上的消耗,该算法根据进程数量也比现有算法数倍提高。