随着社会的进步和科学技术的发展,IT技术相关的各个行业都呈现出高速发展,与其相关的海量信息也迎面而来,如何从海量的数据信息中提取有用的信息,进而更好帮助我们预测和指导相关的实践工作,是当前面临的一大困境。函数发现是数据挖掘的重要分支之一,其存在目的就是对海量数据进行处理,最终发现其中存在的规律和变化趋势,形成一种函数模型。本文主要研究基因表达式编程(GEP)在函数发现中的应用。GEP是Ferreira在继承遗传算法(GA)和遗传编程(GP)的基础上提出的第三类新型进化算法,它集中了GA和GP的优点,并且克服了不足之处,最终实现通过简单的编码解决现实生活中复杂问题的目的,更适合函数发现方面的应用。函数发现问题归根结底可理解为通过优化分析,最终得出与原函数拟合度最高的函数,其中,数值常量的处理方式是决定GEP算法能否很好解决函数发现问题的重要因素之一。本文提出了一种嵌合遗传算法的基因表达式编程的函数发现算法(GEP-GA),该算法改进之处就在于提出了一种新的常量优化方法。在函数发现过程中分别通过两种措施对每一代的优化过程进行处理:首先,在固定常量集前提下,由常规的GEP算法确定函数结构;其次,使用GA对第一阶段得出的函数结构的常量进行优化,并将优化后得到的常量做为下一代的固定常量。实验结果表明,GEP-GA比以往指定常量的常量处理方法(GEP-MC)效果有较大提升,并且更加智能化。GEP-GA在解决函数发现问题的时候,随着问题规模的增大和函数复杂度的提升,GA在全局搜索优化方面渐渐的表现出一些缺陷,例如,搜索速度比较慢、进化时间长、局部的搜索能力也变得越来越差等等。如何解决GA在实际问题中存在的缺陷是近几年来研究者们广泛关注的焦点。面对以上问题,本文充分利用遗传算法天然的并行性,将Spark集群的高速并行性和遗传算法天然的并行性相结合。实验结果表明,Spark的加入减少了GA未成熟收敛的可能性,提高了求解质量,在加快搜索速度、减少进化时间、提高局部搜索能力等方面更是表现出很好的效果。