本文系统的介绍了演化计算的原理、理论及应用，重点研究了演化计算领域内的若干重要算法，将改进后的算法应用到函数优化、符号化归及一些经典的组合优化问题上。 分布估计算法(Estimation of Distribution Algorithins，简记为EDAs)是由MUhlenbein和Paab于1996年提出的一种演化优化方法．与传统的演化算法不同，EDAs是通过对种群的概率分布模型采样来生成新一代个体的，而上述的概率分布模型是通过对父代中一部分个体进行概率估计得到的。本文将互补机制引入到EDAs中，并将其应用到多维背包问题(Multidimesional Knapsack Problem，简记为MKP)的求解中。 基因表达编程(Gene Expression Programming，简记为GEP)是由葡萄牙的Candida Ferreir于2001年提出的。将用线性的结构体存储树形的表达式结构，算法简单高效。目前，GEP已经被广泛的应用到电路设计、数据挖掘、时间序列预测等众多领域。针对GEP算法对个体的评估时间过长问题，我们提出了一种并行的GEP算法框架。