序列比对是生物信息学的重要基础。Smith-Waterman算法是序列比对中使用最为广泛的算法。它采用动态规划的思想,计算序列中最为相似的序列片段。由于生物信息迅速增长,加速和优化序列比对算法至关重要。在序列比对问题上,国内外科学家和研究者做出了大量贡献,利用GPU、Xeon Phi等高性能计算平台优化序列比对算法。然而,由于CPU计算能力的忽略以及CPU和GPU之间巨大的PCI-E通信代价,已有的工作并不能完全发挥计算机的性能。在这种情况下,APU(Accelerate Processing Unit)无疑是一个很好的选择。CPU和GPU集成在同一块芯片上,通过共享内存实现数据传输。如何利用好共享内存,发挥出CPU和GPU合作的优势,是在APU上实现序列比对面临的巨大挑战。针对长序列比对问题,本文提出了基于APU的并行系统——ASW。针对负载均衡问题,ASW从两个方面:任务划分和任务调度来解决问题。任务划分针对设备资源、算法特性建立模型计算任务合适大小;任务调度则根据CPU、GPU当前任务队列的空闲情况动态分配任务。经过测试,ASW的性能达到了7.2GCUPS。针对数据库搜索问题,本文提出基于APU的并行系统——ASWD。ASWD针对不同的数据库特征为序列比对设置合适的计算平台。针对负载均衡问题,ASWD通过预估计的方式计算分配比例,并在运行过程中动态地调整分配比例。经过测试,ASWD在经过负载调整之后可以达到2.5倍的加速比。综上,本文针对序列比对算法的两种不同应用场景分别实现了基于APU的并行系统——ASW和ASWD。针对架构特点和算法特点提出了对两个系统的一些优化策略。