RNA二级结构预测是分子生物学的一个重要研究领域,对于推动生命科学的发展具有极其重要的意义。RNA分子结构由三级结构组成:一级结构、二级结构、三级结构。二级结构是一种介于一级结构和三级结构之间的结构,且存储较多高级结构信息,因此RNA二级结构的研究成为生物信息学领域的重要研究问题。然而,鉴于RNA分子具有降解快、晶体难于获得等特点,用实验的方法测定其结构比较困难。因此,发展基于计算机算法的RNA二级结构预测方法是一个被广泛应用且行之有效的途径。目前用于RNA二级结构预测的方法主要有比较序列分析法、动态规划算法和启发类算法等方法。比较序列分析法需要预先已知大量同源RNA序列,过度依赖RNA序列数据库,对于新发现种类RNA的预测效果较差。动态规划算法的复杂度过高,对于较长RNA序列的处理能力有限。启发类算法虽然能快速的预测出RNA二级结构,但经典启发类算法往往存在搜索效率不高,容易陷入局部最优解等问题。为了解决上述问题,我们利用量子计算的并行特性,提出了一种基于量子遗传算法来预测RNA二级结构的方法。通过采用量子比特来编码种群,该算法即使在种群规模很小的情况下也具备极强的搜索能力。本文首先对比了目前常用的几种RNA二级结构预测方法,分析其优缺点和适用条件,并结合RNA二级结构预测问题的特点,提出了利用量子遗传算法来预测RNA二级结构的方案。然后,本文通过分析采集到的数据进行相应的算法设计,主要包括各功能模块设计和量子遗传算法的编写。接着,为了使量子遗传算法更好的用于RNA二级结构预测问题、更好的进行全局搜索和更快的收敛到最优解,我们进一步在标准量子遗传算法的基础上添加交叉算子、变异算子,增强了算法的全局搜索能力,并加入了自适应旋转角策略,使得种群的更新更加温和可控。最后,我们对遗传算法(Genetic Algorithm,GA),量子遗传算法(Quantum Genetic Algorithm,QGA)和增强型量子遗传算法(Enhanced Quantum Genetic Algorithm,EQGA)三种算法的实验结果进行比较,结果表明增强型量子遗传算法在RNA二级结构预测问题上是有效的,而且比传统的遗传算法具有更强的全局搜索能力和更快的收敛速度。