布尔网络模型具有简洁性、动态性、周期性等特点,因而在基因调控网络、组合电路测试、图像信息加密、智能制造等领域有着广泛的应用。现实生活中,布尔网络往往是未知的,仅能观测到其节点的状态转移。如何根据节点的时间序列数据来准确推理布尔网络十分重要。现有的推理算法大多只关注布尔网络的拓扑结构而忽略布尔函数关系,存在着解的多样性不足、规模瓶颈和过拟合等问题。本文针对这三个问题,围绕从含有噪声的时间序列数据中准确推理布尔网络模型这一目标展开研究,给出相应的四种推理方法。本文的主要研究成果和创新点包括:（1）对于既有拓扑结构又有逻辑动态特性的布尔网络,先后提出了多种有效的编码策略来保证编码的灵活性和多样性。首先,针对小规模布尔网络的推理,提出基于标志位的编码策略将整个网络编码为一个染色体,以期同时获得所有节点的布尔函数。然后,鉴于大规模网络中可能存在复杂多样的布尔函数,提出了两种优化编码策略:一种是采用长度和深度可变的语法树结构编码布尔函数,能够反映布尔网络拓扑结构和保证解的多样性。另一种是基于优势位的变有效长度编码策略,通过优势位数值变化来改变染色体的有效长度而不是总长度,既保证编码灵活性又易于实现。（2）对于推理布尔网络的规模瓶颈,即解空间规模随节点数增加而呈指数增长这一推理难点,引入新的操作算子以增强进化算法的搜索能力。首先,在基于标志位编码策略的遗传算法中引入新的启发式算子,能够有效推理小规模布尔网络;针对大规模布尔网络,提出一种新型模糊遗传规划算法对布尔网络中的每个布尔函数分别进行演化推理;在此基础上,进一步研究基于模糊遗传规划的超启发式算法在大规模布尔网络推理问题上的应用,并设计一系列低层启发式操作以增强算法的搜索能力。此外,对于代数方法表示的布尔网络,将基于布尔规则的局部搜索策略与改进的遗传算法框架相结合以提升算法的搜索能力。（3）提出两种抑制过拟合问题的策略以增强算法对噪声的鲁棒性。基于互信息理论,策略一充分挖掘时间序列蕴含的节点相互依赖关系,计算互信息值以判断布尔函数解的冗余程度;同时,解的规模也能侧面反映是否存在冗余节点;为综合利用互信息理论和解的规模这两个指标来分析解的冗余程度,设计一种模糊逻辑控制策略输出合理的惩罚值增加到解的适应度值上。鉴于布尔网络的稀疏性,策略二在适应度函数中引入关于网络节点的最大连接度的正则化项,通过选取合适的正则化参数,有效抑制过拟合问题。（4）针对布尔网络难以代数化表示的问题,提出了一种新的符号布尔多项式表示方法,从而有效弥补了现有代数多项式方法无法表示未知布尔函数的不足。该方法设计的布尔系数矩阵为每一个单项式分配了唯一的布尔系数,即整个符号布尔多项式是唯一确定的,从而避免逻辑运算表示方法存在的冗余问题、更容易进行编码和运算。进一步分析这些符号布尔多项式,可以发现不同的布尔系数组合代表不同的逻辑运算规则;对于常见的一些逻辑运算规则,通过等价转换建立相应的系数组合规则库,以在进化迭代中提高搜索针对性和收敛速度。