基因表达式编程（Gene Expression Programming,GEP）是在遗传算法和遗传程序设计算法的基础上发展而来的新型进化计算方法。因其输出解的模型结构清晰、解结构多样等特点受到学界的广泛关注,但同时也发现GEP算法在应对有些问题时存在局部搜索能力不足,输出解精度不高等问题,制约了 GEP算法本身优势的发挥和发展。因此,研究GEP方法提高其性能并应用于工程问题,具有重要的理论与实际意义。本文首先对GEP的基本原理与发展现状进行了介绍。然后,通过对GEP建模性能的分析,针对GEP在进化过程中的拟合误差偏大等问题,提出了一种阶段性参数优化改进GEP方法,该方法保持GEP进化过程中基因所表示的函数表达式结构不变,通过引入粒子群算法和差分进化算法对函数表达式的参数进行阶段性优化,有效提升了 GEP的寻优性能。通过仿真实验,验证了所提出改进方法的有效性。进而,为进一步提高GEP性能,在上述研究基础上,提出了一种基于阶段性参数优化的改进GEP集成建模方法,即通过随机抽样获取原始数据的样本子集,使用前面提出的改进方法训练得到对应的样本子模型,将子模型的输出作为GEP集成方法的输入,原始样本输出作为集成的目标值重新进行建模处理,以提高GEP方法的预测精度,仿真结果验证了方法的有效性。最后,利用实际现场数据,将改进方法分别应用于浮选过程铜精矿品位预测和浓密机入料浓度软测量模型的建模问题中,实验结果验证了所提出方法的有效性。