系统发育分析(phylogenetic analysis)是生物信息学里的一个重要主题。随着分子数据的不断积累,人们更加关注分子数据蕴含的信息。一般用核苷酸序列或者蛋白质序列构建系统发育树。常用的方法有最大似然法,最大简约法和距离矩阵法。最大似然法和最大简约法是直接根据序列得到系统发育树,距离矩阵法是根据序列之间的距离得到系统发育树,有最少改变的两个序列被当作邻居。这些方法都是要估计树的拓扑结构和分枝长度,我们希望所有的方法都能得到同样的树,但是往往做不到。其中基于概率论的极大似然估计方法更加准确。但是,极大似然估计法要对每一个可能的拓扑结构计算概率。与此同时,随着位点的增多,待分析的拓扑结构数目庞大。重复这样的计算过程,计算量惊人。并且已被证明这是一个NP-hard问题。大多数情况,人们不能获得全局最优的系统发育树估计。但是可以通过启发搜索法得到一个较好的估计。其中,B.B.zhou等人用并行算法实现上述搜索过程,提高了搜索速度和所搜范围。本文探索系统发育树分枝长度的估计问题,以和极大似然作为判别准则,并使用粒子群算法来优化分枝长度。在Billera等人建立的系统发育树的几何空间基础上,即每一个拓扑结构可以作为一个象限。假定位点在核苷酸替换过程中是一个马尔可夫过程。在这样的假设下,我们计算所有位点的似然函数之和,并估计出分枝长度。系统发育树对于其他生物信息的研究具有重要意义。为人们探索物种起源以及分子进化,进而探索基因功能提供依据。系统发育分析对于病毒的控制,疾病的诊断具有重要指导意义。所以,探索系统发育树估计方法是一项十分有意义的工作。