在实际工程中经常需要处理大量的实验数据,对数据的回归分析是其中的一个重要方面。符号回归的含义是找出一个符号形式的数学公式,以指定的精度拟合相关变量的有限样本,以便于分析和预测。传统回归方法是先预估经验公式,然后对公式中的参数进行估计,对于无法确定或较难确定经验模型的样本数据,拟合效果不甚理想。目前,遗传编程是十分活跃的研究领域,是一种高效的解决符号回归的方法,采用遗传编程的符号回归方法无需预先确立经验模型,只需指定样本数据和精度要求即可获得回归表达式。本文对遗传编程进行了改进,并将它用于符号回归问题领域,取得了较好的效果,本文主要研究内容与创新点归纳如下：(1)借鉴多种线性编码的遗传编程算法,提出一种基于新的编码方式的遗传编程一符号遗传编程(SGP)。该编码方式具有简单,无语法限制,个体在不增加计算量的情况下能被翻译成多个表达式等特点。分析与实验表明该编码方式具有较高的效率和较强的稳定性。(2)在SGP算法的基础上,引入元胞自动机模型,提出CSGP算法,它能够很好的提高求解问题的成功率以及减少进化代数,通过大量实验表明CSGP在求解符号回归的问题上有相当好的性能优势。