麦长管蚜是我国大多数麦区的主要害虫,对小麦的危害严重。准确预测麦长管蚜的发生量,是进行正确防治决策和减少农药用量的前提。目前麦蚜的预测多为发生级别而非发生量的预测,并且预测方法单一、误差比较大,在面对复杂环境及多因素影响的预测时比较无力,不能满足防治决策的要求。演化建模方法能够利用演化算法和一定的搜索策略,通过反复试验自动生成具有较高拟合精度的函数模型。本文首先介绍了一种演化算法—基因表达式编程,然后对其算法流程及实现方法进行了具体分析,经过系统的研究,发现数值常量对GEP的算法性能有很大影响。然而目前的数值常量处理方法较为复杂,而且效果也不十分理想。对此本文提出了一种改进的GEP算法,优化了算法的数值常量搜索过程,并通过实验对比验证了改进算法的有效性。最后将改进的GEP算法应用到麦长管蚜预测模型的构建中,比较了传统GEP算法与本文改进算法的优劣,得出了比较理想的实验结果。本文主要研究内容如下：(1)给出了基因表达式编程算法的基本原理和算法流程。介绍了GEP算法的编码方式、适应度函数和遗传操作。总结了GEP的特点及与其它进化算法GA、GP的区别。(2)针对原算法中数值常量处理的不足,提出了一种改进的GEP算法。该方法最大的特点在于将每一代的函数发现过程分为两个阶段：第一阶段,由标准GEP算法结合固定常量集确定函数结构；第二阶段,使用差分进化算法(DE)对第一阶段得出的函数结构的常量进行优化。新的GEP算法与重要文献中的改进GEP算法相比,能够更好地抑制算法陷入局部最优,有更大的概率搜寻到全局最优解。(3)分别利用传统GEP算法和改进的GEP算法对麦长管蚜的发生量进行了预测。并利用样本数据对所得模型进行了检验,实验结果表明改进GEP算法对麦长管蚜发生量的预测准确性更高,有很大的使用价值。