构建进化树就是从生物序列的信息推断生物进化历史,“重塑”出系统进化的(谱系)关系,并把进化关系用树的形式表示出来——树的叶子结点表示各个生物序列,树枝的长度表示生物间的进化距离。构建进化树问题是一个典型的NP完全问题,当序列的条数很大时,没有一种最优算法能在适当的时间内计算得到其精确解,因此,构造能在适当的时间内得到最优近似解的算法就有很强的实际意义。对经典算法邻接法进行研究后,提出了两种改进的算法。对于距离矩阵法而言,遗传模型在进化树构建算法中非常重要。只有当进化模型选择恰当时,序列进化距离才会计算得精确,构建的进化树才会准确。但是邻接法采用了Jukes-Cautor单参数模型,该模型没有考虑到基因突变中转换和颠换的不同概率,其模型比较粗糙。因此,在改进算法Ⅰ中,采用了Kimura两参数模型,根据此模型来计算序列的距离,从而改进序列间距离;并采用新的校正距离,这样算法的准确性得到提高。改进算法Ⅱ考虑到邻接法的另外一个不足,即在邻接法计算过程中,要不断计算新加入的结点到其它结点的距离,当进化距离不具有累加性时就会带来误差,而改进算法每次以最初的距离矩阵为已知条件,避免了因此带来的误差;并且每次计算树总长时,仍然考虑连接好的结点的分枝,计算出的是精确的树总长,使得构建的进化树更加准确。两种改进的算法都采用了评价建树算法中最常用的方法(计算机模拟法)来测试其准确性,从测试数据中看到,两个改进算法的准确性都有很大的提高。