灾难恢复是现代银行信息系统发展的必然需求，灾难事件的发生总是无法完全避免的，但是在有准备的情况下，可以把灾难带来的损失降低到最小。对于每个信息系统都包含许多特定的子灾难恢复规划，在灾难发生时，需要对这些子灾难恢复规划进行选择，从而建立一个可以量化的数学模型用来从众多子灾难恢复规划中选择最优组合至关重要。　　 本论文首先从银行信息系统灾难恢复、灾难恢复模型、灾难恢复规划的现状着手，阐明了灾难恢复规划的重要性，采用最优化理论，针对银行在灾难发生时需要从众多的子灾难恢复规划中选出最优集合，提出了建模原则和假设，给出了银行DRP优化模型，该模型的目的在于帮助银行决策者在特定灾难发生时，根据预算、所要恢复的业务应用的重要程度等从众多子灾难恢复规划中选出优化方案，这样不仅可以更好的评估DRP，同时可以使系统损失降到最小，节省系统恢复时间。在模型建立完成后，根据权威中的预测场景数据，利用matlab软件中的优化函数对该模型进行测试，以验证模型的正确性。在计算方法上，将该模型归类为一类有多个约束条件的复杂背包问题，当问题规模较小时，可以用线性规划、整数规划等经典算法求解；而当规模较大时，求解的规模呈指数增长，所以本文采用智能优化算法中的模拟退火算法，并在此算法的基础上进行改进，增加了记忆功能，从而可以记录整个过程中所遇到的最优解。借助于仿真软件matlab编写程序，方便决策者在灾难发生时快速及时的做出决策，以使损失达到最小。在论文的最后，利用在特定灾难下已有的仿真参数数据，进行模型仿真研究。