信息社会使人们对于数据的重视程度越来越突出,人们希望挖掘数据中蕴含的规律。因此,找到一种高效、准确的函数关系发现方法是数据挖掘方面的一个研究重点。演化计算在函数挖掘问题上发展迅速,而其中的基因表达式编程(GEP)技术又是近几年来发展起来的全局优化搜索技术,其超强的搜索能力和极高的进化效率,使它迅速在许多领域里得到了广泛的应用。本文综述了基因表达式编程与演化计算的研究现状;概述了演化计算的发展过程、特点及其分支;详细阐述了基因表达式编程的各个关键技术,包括基因表达式编程的基因和染色体构成,适应度函数和遗传算子的设计;介绍了基因表达式编程优于遗传编程和遗传算法的特点。为提高基因表达式编程发现知识效率,本文对经典GEP进行了改进,提出基于动态评估策略的函数发现技术。将逐步权重自适应(SAW)应用于基因表达式编程中适应度函数的动态调整,用于提高求适应度效率。提出了逐步权重自适应算法(GEP-SAW)。为验证GEP-SAW算法的正确性及有效性,将算法应用于函数挖掘,本文编制了基于动态评估策略的GEP-SAW应用软件。利用其对一元、二元及三元函数和标准数据集进行挖掘实验,实验表明GEP-SAW优于传统算法及经典GEP算法,具有更高的拟合度和预测精度。