多序列比对(Multiple Sequence alignment -MSA)是生物信息学中最重要、也是最有挑战性的任务之一。目前虽有不少比对方法提出,但在准确性和效率方面仍不够完善,因此,还需要进一步改进现有比对方法和探索新的比对方法。本文在研读了现有比对方法之后,提出了用自适应遗传算法(Adaptive Genetic Algorithm-AGA)和量子进化算法(Quantum Evolution Algorithm -QEA)来求解MSA问题。论文中提出了两种比对方法:AGAMSA和QEAMSA。AGAMSA是遗传算法求解MSA问题的方法之一,不同点在于:算法中针对MSA问题,采用仅对空位编码的方式减少了存储空间;设计了5种新的遗传算子,和SAGA算法中22种操作算子相比,减少了操作的复杂性,也提高了收敛速度;引入自适应策略来平衡收敛速度和全局最优两者间的矛盾。本文提出的QEAMSA是一种新的比对方法,它是对基本QEA算法做了改造:采用新的表示方法Q-bit来表示MSA问题,设计了适合于该问题的量子个体更新方法;为避免QEA随机性较强的缺点,引入了一个优化算子,使得QEA更好地应用于求解MSA问题。最后用两种算法分别都测试了Balibase比对库中五个具有不同特点的测试用例子集Ref1~Ref5,将测试结果和目前被公认的CLUSTALX和SAGA等比对方法已公布的测试结果作了比较,结果表明:AGAMSA和QEAMSA对Ref1和Ref5的测试结果次于CLUSTALX和SAGA等方法;对Ref2~Ref4的测试结果好于CLUSTALX和SAGA等方法。对于全部的测试子集,QEAMSA都优于AGAMSA。实验结果证明:AGAMSA和QEAMSA都是有效的多序列比对方法,更适合于比对含有孤儿的比对序列和包含N/C末端的比对序列。