函数发现是指从大量看似无规则的数据中挖掘出函数关系并用于进行预测。函数发现属于数据挖掘中知识发现的一个分支，随着数据挖掘的兴起而兴起，不过此方向的研究进展较慢，最初人们多采用传统的统计学方法进行函数拟合，该方法的基本思想是先假定函数类型已知，然后借助数学方法(如最小二乘法)进行参数估计，进而确定函数表达式。这种方法在挖掘出的函数类型以及挖掘过程的灵活性上都有限制，后来人们又将人工智能技术结合进来形成了多种发现算法，但是该类系统也存在缺陷。 本论文的重点就在于对函数发现的方法的研究。在对已有的函数发现系统研究的基础上提出了GEP函数发现概念。GEP算法是基于遗传算法的基础上提出的一个新的算法，弥补了传统的函数发现方法的不足能较好的解决复合函数的发现的问题，同时在发现的函数类型上比传统方法有明显增加。本论文对GEP算法本身进行了详细阐述并基于该算法提出了单函数发现系统和函数集发现系统，通过一系列模拟实验证明基于GEP算法的函数发现系统的相关性能均高于以往的函数发现系统，能够较好的处理函数表达式形式的多样性和未知性，由此得出的函数更接近目标函数，与传统函数发现系统相比该系统更具灵活性。