进化算法是一类模拟自然界“优胜劣汰,适者生存”的全局寻优技术,它的特点是针对一组随机的候选个体进行复制、交换和变异等遗传操作,逐步迭代逼近最优解。20世纪60年代,一些主要的进化算法如遗传算法、遗传规划等相继被提出。遗传算法利用定长的字符串来表达问题,而自然界的问题是复杂多变的,往往不能用定长的字符串来表达。伴随着对遗传算法表达形式的改进,遗传规划算法便应运而生。遗传规划算法采用灵活的层次结构(树型)来描述问题,它的结构和大小能够动态地调整,更适合于表达复杂的问题,应用也更加广泛。本文的第一章阐述了进化算法的基本理论,包括基本思想、各分支简介及其研究现状等。第二章介绍了遗传规划算法的基本思想及其不足,对算法的个体描述方法、适应度度量和遗传算子等相关理论进行了深入浅出的解析。鉴于遗传规划算法的不足,本文第三章对传统的遗传规划算法进行了针对性的改进。改进后算法的寻优速度明显提高,最优个体的复杂度也得到了有效的控制。在基于遗传规划算法自身改进的基础上,本文第四章把通常用于遗传算法的小生境技术结合到遗传规划算法中,提出了基于小生境技术的遗传规划算法(Niche Genetic Programming,NGP),并在符号回归中验证了该算法的有效性。NGP算法可以在初次寻优的基础上寻找更优解,逐步迭代寻优直到满足所求问题的精度要求。随后将改进后的遗传规划算法应用于我国科研机构的信用评价中,建立了科学的评价模型,并在实验中证明了该模型的实用性和正确性。