蛋白质的折叠预测就是由蛋白质的氨基酸序列预测其三维空间结构，是生物信息学中的重要研究课题之一。目前针对该问题普遍的做法是采用简化分子模型，应用更高效的搜索方法。 HP非格模型是一种有效的预测蛋白质折叠的简化模型，它主要考虑蛋白质残基的疏水作用力为折叠的主要驱动力，能比较真实的反应蛋白质分子的折叠构象。遗传算法和模拟退火算法适用于求解全局优化问题，在蛋白质折叠预测中也得到较多的应用。 本文针对遗传算法和模拟退火算法的缺点，以及HP非格模型构象空间庞大、多变量多极值的特点，将这两种算法结合起来，构造了一种混合遗传模拟退火算法。通过对适应度函数、选择算子采用改进方式来增强群体差异；并提出一种结合进化代数和种群平均适应度的自适应交叉变异率以优化交叉变异操作，防止早熟收敛；同时为了提高退火操作的效率采用了高效的降温方式和接收准则。 最后通过裴波拉契数列和两条真实蛋白质序列来进行验证本文算法的有效性。从实验结果中可以看出本文算法较准确地预测出了序列构象，得到了较高精度的能量值，且能跳出局部最优值，具有较好的收敛性能。