在工程技术、经济管理、自然科学和社会科学等领域普遍存在着许多随时间而变化的动态系统和非线性现象，如股价的波动，商品销量的季节性变化、天气的变化等。对于这些动态系统模型进行建模是一件非常重要而又十分困难的事情。本文以基因表达式程序设计(GEP)思想为基础结合了近几年兴起的一类新型优化算法：分布式评估算法(EDA)，提出了利用两者结合的混合算法实现动态系统的自动建模，对于解决动态系统的实际建模有较大的应用前景。　　 基因表达式程序设计Candida Ferreira根据遗传算法和遗传程序设计发展而来、基于基因型和表现型的一种新型演化算法，它在演化建模方面表现出相当强的能力。该算法模仿生物体内DNA复制繁殖和蛋白质变异的机制，使得利用演化算法进行数学建模变得更加简单高效。分布评估算法(Estimation of Distribution Algorithm,简称EDA)是由Mühlenbein和Paaβ提出的一种从统计学的观点出发，将构造性模型引入演化算法后形成的基于概率分析的演化算法。本文基于上述两个研究热点，主要工作如下：　　 1.简要介绍了动态系统建模的历史背景、研究现状等情况。　　 2.在对GEP研究的基础上，分析了GEP的局限性，对标准GEP的基因结构进行了改进，将原来的“头+尾”的基本结构改进成“头+身+尾”的基因结构，该结构更适合解决复杂的问题。　　 3.提出了一种新的解码方法，该方法在不改变基因构造规则的情况下，利用栈来计算适应值和获取表达式。　　 4.嵌入参数优化。一个好的结果表达式是由一个优秀的结构加合适的参数构成的，GEP对结构的优化能力远胜于其对参数的优化能力，因此在演化过程中使用整体算术杂交算子和柯西变异算子相结合的遗传算法对一些优良结构进行参数优化，从而使得演化进程加快,模型的精确度更高，避免“过早收敛”的现象。　　 5.全面系统介绍了EDA分布评估算法的历史背景、研究现状、理论原理及其应用等情况，并将该算法融进了GEP的新基因结构中，提出了EDAGEP算法，实验表明该算法具有更高的预测精度、更快的收敛速度。　　 6.详细阐述了利用EDAGEP演化算法进行动态系统建模的设计思路和方案，以EDAGEP优化模型，以遗传算法优化模型参数，让计算机自动的实现动态系统的常微分方程(组)建模化。实验表明该算法能够在较短的时间内找出多个较优的模型，模型对于系统整体的拟合误差和以及对预测误差相比较传统的灰色模型要小得多。