农作物在自然生长过程中往往会受到逆境胁迫的影响,比如干旱、盐碱、水涝等非生物胁迫和杂草、病菌、虫灾等生物胁迫,这些逆境胁迫对农作物的产量和质量造成严重影响。农作物在逆境胁迫下可以通过调控相关抗逆基因的表达,调整自身的状态以适应不利环境。基因芯片和转录组测序技术可用来获取农作物逆境胁迫下基因的表达数据,通过农作物基因表达数据挖掘逆境胁迫关联的候选基因,利用分子育种技术改良农作物的抗逆性状,可加速抗逆良种的培育进程,实现农作物的增质增产。但农作物中包含数万个基因,从中准确地筛选出抗逆关键基因是一个技术难题。机器学习的特征选择方法常被用于抗逆关键基因的选择,而在特征选择领域基于进化计算算法的特征选择方法由于其强大的全局搜索能力,通常可以获得较好的分类效果。本文致力于研究基于进化计算的特征选择方法及研究此方法在农作物抗逆关键基因挖掘上的实验效果。论文主要研究工作包括以下四个方面。（1）提出了一种基于遗传规划算法融合特征排序的特征选择方法（FRFS）。在13个公共数据集上的实验表明,与没有特征排序的特征选择方法相比,FRFS可以筛选出更少的特征并取得更好的分类效果。（2）为了进一步降低选择特征的数量,在FRFS的基础上,提出了一种基于多标准适应度函数的特征选择方法（MFRFS）。在13个公共数据集上的实验表明,与单标准适应度函数相比,多标准适应度函数可在保持分类性能的基础上进一步减少特征数量。在与现有两种特征选择方法（线性前向和ReliefF）相比可取得更好的分类效果。（3）搜集水稻、拟南芥和玉米三种农作物的盐胁迫和干旱胁迫基因表达数据,将本文提出的特征选择方法（MFRFS）用于农作物抗逆关键基因的选择实验。实验证明本文的方法在K最近邻、C4.5决策树、朴素贝叶斯和随机森林四种分类算法上可以挖掘较少的基因并获得较高的分类准确率。（4）为了验证本文选择的基因是否具有生物学意义,通过查询相关基因数据库以及进行GO基因功能富集分析,发现选择的基因是与相应的非生物胁迫相关的,通过查阅文献发现部分基因已在文献中报道其抗逆作用。