2001年,Ferreira通过研究生物界的遗传表达规律提出了基因表达式编程算法(Gene Expression Programming,GEP)。GEP是一种新的进化计算的方法,它借鉴了遗传算法(Genetic Algorithm,GA)和遗传规划(Genetic Programming,GP),运用了简单的编码技术解决的复杂的实际问题,其优点主要体现在个体的表现形式以及结果的处理上面。本文论述了GEP的几个关键技术,包括GEP的基因及染色体的构成、GEP的遗传操作以及GEP的适应度函数。描述了GEP染色体相较于GA与GP染色体具有的简单、线性、紧凑以及易于进行遗传操作的特点。为了保持种群的多样性、全局收敛性,以及解决易于“早熟”等问题对经典的GEP算法进行改进,分别是改进了GEP遗传操作算子以及改进GEP中函数的参数估计方法,使用最小二乘法对函数中的参数进行估计。本文主要工作包含以下两个方面,首先将GEP首次应用到组卷问题中,对组卷问题进行分析,并进行数据仿真,仿真结果表示将GEP运用到组卷问题上是可行的。其次对函数挖掘问题进行概括和解析,将GEP进行改进,并将改进前后的GEP运用到函数挖掘中进行仿真,仿真结果显示改进后的GEP相较于传统的GEP在成功率和迭代数上都有明显优势。