研究基因与复杂疾病的关联关系有助于诊断和治疗常见的复杂疾病，单核苷酸多态性(Single Nucleotide Polymorphism,SNP)正是一种在人类基因组上识别复杂疾病易感位点的主要工具，然而由于SNP数据维度高但是样本数量有限，使得复杂疾病易感位点的识别和检测等研究工作进展缓慢，目前仍然是一项富有挑战性的工作。本文致力于复杂疾病易感位点的检测算法研究。本文提出一种新的关联分析算法——基于聚类的蚁群SNP关联分析算法，以识别和检测复杂疾病的易感位点。首先以SNP序列中成对SNP的连锁不平衡为基础，运用近邻传播聚类算法将SNP位点聚类，再使用蚁群算法的最优解搜索过程检测出复杂疾病的易感位点。文章首先在模拟数据集上进行实验，对该算法的有效性进行验证，并将实验结果跟SNPRuler、蚁群算法、AntEpiSeeker等常用关联分析算法进行对比分析，表明本文提出的算法在SNP关联分析上所具有的优越性，最后在真实数据集AMD和肺癌数据上进行实验，给出真实数据可信的潜在致病位点。