进化算法是模拟生物自然进化过程的一种随机搜索方法,遗传规划是进化算法的一个重要分支。近几年的研究和应用十分广泛,主要在机器人路径规划、符号回归和机器学习等方面。　　本文主要研究了遗传规划算法的改进以及在符号回归方面的应用。遗传规划应用广泛,但是也存在一些缺陷:遗传规划中个体大小的“爆炸”现象;子程序的重用性和共享性。所以提出了遗传规划算法的改进策略:初始种群的选择;遗传算子的改进;调整适应度函数。从这三个方面的改进,并通过数值试验,验证了改进算法的有效性和可行性。　　符号回归(Symbolic Regression)的主要思想是利用数学符号来表示函数,这种函数以给定的要求拟合给定的样本数据。这一过程与参数回归类似,不同的是参数回归要求事先给定具体函数形式,而符号回归则不然,符号回归可以动态寻找最优解。所以,符号回归的应用价值更加广泛。在符号回归中应用遗传规划,是利用个体理想值与实际值之间的误差作为遗传的驱动力,来实现符号函数的进化的过程。　　本文还重点介绍了改进后的遗传规划算法在符号回归中的应用。主要包括符号积分、含任意常数的符号回归和计算机图像压缩三个方面;并对比了改进前后所得到的结果,通过实际应用,进一步证实了改进后算法的正确性和有效性。