工程实际中经常需要处理大量的实验数据,对数据的回归分析是其中的一个重要方面。符号回归的含义是找出一个符号形式的数学公式,以指定的精度拟合相关变量的有限样本,以便于分析和预测。传统回归方法是先预估经验公式,然后对公式中的参数进行估计,对于无法确定或较难确定经验模型的样本数据,拟合效果不甚理想。采用基于遗传规划的符号回归方法无需预先确立经验模型,只需指定样本数据和精度要求即可获得回归表达式。遗传规划是一种新型的搜索寻优技术,它仿效生物界的遗传和进化,根据优胜劣汰的原则,借助复制、交换、突变等操作,逐步逼近最优解。本文阐述了遗传规划的基本理论,总结了国内外的研究现状,并指出了遗传规划的发展动向,将遗传规划原理应用于数据拟合之中,实现了无需预估函数表达式即可获得较为精确的符号回归。针对符号回归,经过大量的仿真实验,确定了一套合理、高效的参数设定方法,得出满意的函数表达式,为实验数据处理与规律总结提供了一种方便的工具。与传统的经验法结合非线性回归所得的结果相比较,遗传规划自适应寻优方法是成功的。再通过进一步的参数优化,可以获得比传统方法更优的结果。本文通过复杂曲线拟合,多输入变量回归,数据预测等实例说明了基于遗传规划的符号回归方法的广泛应用。