随着试验技术突飞猛进的发展和单药品单靶点试验数据的快速累积，对复杂疾病采用复方药物治疗逐渐成为可能。本文设计出药物筛选前期工作中对药物进行有效组合的方法:首先，处理已有试验数据，将复方药物组合问题转化为图论中的覆盖问题，建立二分图模型;然后，结合实际提出假设，构造了两个新数学模型，并建立了相应的评价体系;最后，对已有算法进行改进，设计了三个新的贪婪算法。　　本文的创新点如下:针对目前试验数据的匮乏，本文提出了在已有算法中加入初筛的策略。其优势在于既可以快速求出可行解的必要部分，又能将潜在价值高的因而需要优先补充试验的部分找出来。联系实际提出假设和加权原则（靶点的重要性相同，同一靶点临边权重相同，药物权重为临边权重之和），构建边加权模型，并设计了相应的贪婪算法。从随机图角度分析，改进假设（靶点的重要性相同，同一靶点临边不被选择的概率与该靶点的度成反比、不同边选择具有独立性、试剂成分进入药物组合为临边选择事件的并集），构建了随机图模型，并提出相应的贪婪算法。另外，本文论证了加入初筛的边贪婪算法、边加权贪婪算法和随机图贪婪算法与之前的贪婪算法的时间复杂度是一致的。　　为了评估算法的有效性，本文选择了业内权威的NCI60数据库（06年10月的公开版本）对算法进行了测试。测试结果表明，本文算法能够高效地找出近似解，属于最优解。其中，边加权贪婪算法和随机图算法找到了与已有算法不同的近似解，且均属于最优解。之后，本文分析了算法的运算过程，并对解的特征进行了描述，解释了它被选择的原因及合理性。