建立数学模型是工程应用和科研中的一个重要环节。在工程技术、经济管理、自然科学和社会科学等领域普遍存在着许多随时间变化的动态系统和非线性现象。遗传算法用于智能建模方面已取得了较大的发展，它自适应的动态逼近模型，在速度和准确性上都是传统的算法不能比拟的。　　 本文将演化算法中新兴的理论应用到智能建模领域，实现系统的自动建模，取得了较好的效果。本文主要的创新点为应用创新，传统数学建模方式虽然理论支撑上比较健全，但是对于越来越复杂的建模系统，传统建模能解决的问题有限，本文尝试将新兴的演化算法（如GEP、文化算法等）引入建模领域，并用其解决实际建模问题，对比其与传统建模的优劣。本文通过有针对性的4组实验（房地价预测模型、普通函数拟合模型、非线性拟合问题模型、股市预测模型）验证了几种新兴演化计算在建模问题上的优劣。　　 本文的主要工作方向摘要如下:　　 1、本文阐述并分析了传统演化计算的原理与思想以及传统建模方法的过程和研究现状。本文首先介绍了传统遗传算法的思想和流程，之后介绍了传统的建模方法和建模流程。然后本文结合作者研究生阶段的实际项目，用传统的VAR方法建立了房价地价的关系模型，得出地价的上涨推动了房价的上涨的结论。阐述了传统演化建模方法GP的原理和实现过程，为后面章节中新兴演化建模方法的引入做好了铺垫。　　 2、本文深入分析比较了新兴的GEP遗传算法在机器学习和智能建模方面的应用。介绍了新型的GEP以及GEPEDA演化算法，主要在结构、编码、遗传操作和性能等方面分析了其对于传统建模方法以及传统演化建模GP算法的优势，创新的将GEP系列算法在房价地价建模问题上应用。本文首先介绍了演化建模的原理和思路，用演化算法系统的优势来做传统建模中的劣势问题，自动的建立动态的数学模型。之后针对房价地价模型，创新的用GEP建模，并与VAR模型进行了对比分析。验证了GEP系列算法在此类问题上相比传统算法拟合程度更好。　　 3、本文介绍基于基础的遗传算法产生的新兴的仿生智能算法——文化算法，研究了文化算法的原理，并创新的将其加入演化建模方法中，用两个实验分析了其用于演化建模的可行性。首先阐述了文化算法的原理和过程，之后通过一个非线性约束优化问题的建模实验，分析它相对于基础的遗传算法和传统建模方法的优势，最后创新的将文化算法在股票数据建模上应用，验证了文化算法对于复杂数据建模中在精确度上的优势。证明在某些情况下，文化算法比传统建模方法更加适合建立股市模型。