基因表达过程中存在基因之间相互作用、相互调控的行为。单个基因表达的研究不能揭示生命现象的内在规律,这就需要从系统的角度研究基因表达。随着高通量DNA微阵列技术的发展,使在短时间内通过测量获得大量的生物体基因表达数据成为可能,从而为基因调控网络的构建提供数据基础。建立基因调控网络,能够使生物学家从系统的角度认识基因表达间的调控关系以及高度复杂的生命现象,这也有助于研究疾病的发生和发展等医学问题。近年来,用来构建基因调控网络的数学模型越来越多,其中,微分方程模型更利于描述生物大分子随时间的演化过程。本文聚焦于基因调控网络微分方程模型的构建,通过提出新的基因调控网络识别算法,提高了微分方程模型的建模精度。本文的主要工作内容如下：(1)提出了遗传编程与归一化子带滤波相结合的基因调控网络识别算法。使用遗传编程识别模型结构,归一化子带滤波算法进行模型参数估计。准确识别模型结构的同时,通过子带分割有效减小时间序列数据的相关性,提高自适应滤波算法的参数识别精度。(2)提出了遗传编程和粒子滤波相结合的基因调控网络识别算法。使用遗传编程识别模型结构,粒子滤波进行模型参数估计。准确识别模型结构的同时,粒子滤波算法对模型的非线性强度以及噪声模式不敏感,针对不同的非线性系统,都能得到更为精确的参数识别结果。本文提出了两种微分方程模型识别算法,减小了时间序列数据相关性和噪声等因素对模型构建的影响。仿真实验验证,相比于前人提出的算法具有更高的模型识别精度。