科学研究中人们希望发现数据中蕴含的规律。因此，找到一种高效、准确的函数关系发现方法也是数据挖掘方面的一个研究重点。 　　本文对利用基因表达式编程(GEP)技术进行函数关系的挖掘进行了较深入的研究，利用该方法进行多项式函数关系的分解，并在此研究的基础上实现了基于多基因染色体的并列函数表达式挖掘，实验证明取得了很好的效果。其间主要完成了如下工作： 1.阐述了数据挖掘的基本概念、一般流程及其分类方法等，分析了函数关系发现这一特殊知识发现形式的特点进行；提出了多项式函数关系分解以及在此基础之上的多函数关系挖掘的重要意义。 2.突破了传统的多项式分解方法，采用数据挖掘的思想，利用基因表达式编程GEP技术提出了基于基因表达式编程的多项式函数关系分解方法GPF。 3.采用了有特色的概率相关因子优化GEP中的适应度函数，使得GPF方法精度提高了27％，同时GPF提出了宽松环境进化策略LEE使得GEP成功率比传统技术提高了最大58倍。 4.在多项式函数关系分解GPF的基础上实现了观察数据集上的基于多基因染色体的并列函数表达式挖掘PPM。 5.利用VisualC++6.0设计实现了基于GEP的挖掘实验平台GEPM，其中包括多项式函数关系分解GPF和多基因染色体的函数表达式挖掘PPM的实现。 6.在GEPM上进行了一系列的相关实验，通过设计实验标准对GPF在不同的输入参数情况下的性能做了对比和评价，对比了各项优化策略使用前后的性能变化，显示了PPM的实际效果。