RNA是一类参与生物遗传的重要的生物大分子，对RNA的结构和功能的研究是当今生物信息学研究的一个重要方向，目前对RNA自身功能的认识已得到极大的拓展和深入，对于RNA结构和功能的研究可以作为蛋白质结构和功能以及DNA序列中基因信息研究的突破口。生物大分子功能的实现一般都需要借助一定的二级结构，甚至三级、四级结构。但是RNA分子相对于DNA、蛋白质分子具有分子降解快、晶体难于获得等特点，用实验的方法测定其结构非常困难，因而发展RNA分子的二级结构的计算机预测是一个很有前景且行之有效的途径。 在论文中我们回顾和总结了当前主要的一些RNA二级结构预测方法，分析了各自的优缺点及发展前景及存在的若干问题。在此基础上提出了一个新的RNA二级结构预测方法。 首先介绍了较为传统的比较序列分析方法中的两种模型——共变模型和随机上下文无关语法模型，对它们的实现过程作了大致描述。然后介绍了RNA二级结构预测中著名的最小自由能算法及其基础最大碱基配对算法，对它们的算法核心——动态规划算法的实现以及RNA的自由能参数作了详细讲解。其次介绍了一类组合优化的新算法，主要有螺旋区堆积法和最大权重匹配法，它们代表了寻求新一代RNA结构预测方法的一些新思路和新探索。接下来我们介绍了一类启发式算法主要有遗传算法、模拟退火算法和神经网络算法等最后通过对这些方法优缺点的比较分析，我们总结出了RNA结构预测方法发展的趋势和要求，并给出了与RNA结构预测相关的一些网上资源。本论文在RNA的最大权重匹配算法基础上提出了RNA二级结构预测的动态权重匹配模型，研究了RNA的动态权重匹配算法模型及其对假结预测的能力。本算法在最大权重匹配(Maximum WeightedMatching，MWM)算法的基础上引入与茎区长度相关的动态权重，采用一种递归算法逐步寻找具有最大权重和的茎区，从而最终确定RNA的二级结构。该算法避开了繁杂的自由能计算，同样也能达到较高的预测精确度，并且还能预测到大多数类型的潜在假结(pseudoknots)。通过与最小自由能算法进行比较，RNA的动态权重匹配模型在模型的易实现性、算法复杂度以及预测假结的能力和利用各种信息的能力方面具有更大的优越性。从中我们可以看出，这类模型最有希望发展成为新一代RNA二级结构预测的主导方法。