数据驱动建模可以不需要先验知识,就能挖掘出数据背后隐含的规律,是未来大数据时代的热门研究。相比于早期的依据确定模型计算参数的建模方法,符号回归(Symbolic regression)作为数据驱动建模的重要方法之一,能够同时计算参数和发现显性的数学表达式模型,具有很高的拟合精度。但是,精度越高意味着模型越复杂,对训练样本的过度拟合会降低对未知样本的适应能力,泛化能力难以保证。因此,研究精度与泛化平衡的问题就很有意义。首先从如何合理计算符号回归算法模型的复杂度入手,分析模型的泛化能力。根据奥卡姆剃刀法则,越简单的模型越有可能接近模型中隐含的规律,泛化能力越强。因此,在现有对模型复杂度定义的基础上,采用改进的非线性模型的语法复杂度和语义复杂度混合的方式评价模型,在模型的结构上和模型的表达上都能合理给出复杂度的度量,依据研究中的度量方法可以得到更简单的表达式模型结构和更加光滑的曲线表面。通过在数据集上的实验证明,合理评价模型复杂度有助于提高模型的泛化能力。通过在模型训练的过程中对拟合数据的重要性加以评价的方法进一步提高建模的泛化能力。根据在拟合过程中数据集中的每个训练数据的表现不同,为每个数据赋予动态权重,并以此作为参考为每个样本设置了一定范围内允许的误差。也就是说,根据样本的动态权重训练出的模型是一个唯一确定的数学模型累加上每个数据点处的不确定浮动范围,越重要的点,浮动范围越小,即允许的误差越小。为了平衡建模中的精度与泛化能力,借鉴机器学习中的结构风险最小化原则,采用多目标优化和集成学习的方式得到最终的模型。结构风险最小化原则中同时考虑最小化经验风险和置信风险,研究中采用多目标优化的方式,将代表经验风险的误差总和,以及模型复杂度近似的置信风险作为两个优化目标,优化得到分布在Pareto前沿上的解集,用集成学习的方式将这些互相独立的解融合成一个最终需要的模型。最后,本文提出的方法作为一种通用的框架适用于绝大部分符号回归算法,文中将方法应用于求解符号回归问题的粒子群优化算法(PSSR)上,在主流数据集上做了对比实验,验证了本文方法的有效性。