遗传规划在预测、分类等领域已经有了很多应用研究。由于遗传规划是通过生成具体的预测函数、分类函数来实现预测和分类的目的,因此对于既需要一定的预测、分类精度,又要研究输入(预测、分类)变量和输出(预测、分类)结果之间关系的问题来说,遗传规划是一种非常适合的方法。本文对基于遗传规划的预测方法进行了介绍,并改进了一种基于遗传规划的多类别分类方法。此外,借助遗传规划的符号回归功能,本文还提出了一种基于遗传规划的整数线性规划问题的求解方法。为了验证上述算法的有效性,本文以联网高速公路的收费数据为研究对象,对算法的运行结果进行了分析。　在高速公路联网收费数据的再利用中,根据分车型车流量预测收费额、对收费员进行作弊分类和求解收费员排班这个整数线性规划问题是遗传规划的三个应用算例。其中,收费额预测和收费员作弊分类这两个应用要求在准确率满足要求的情况下,输出结果和输入变量之间的关系还要具有知识表达能力,以便为道路营运与管理、公众服务、政府与科学研究等方面提供有用信息和决策支持。但是现有的各种统计和智能方法或者因为算法本身的限制以至无法同时满足这两个条件,或者因为对样本数据的适应问题导致算法准确率不高时算法不能通过降低知识表达能力来提高准确率,因此本文采用基于遗传规划的预测和基于遗传规划的分类方法来解决这两个问题。此外,收费员排班是一个整数规划问题,而整数规划属于典型的NP 难解问题,本文采用了基于遗传规划的整数线性规划问题求解方法来解决收费员排班问题。与遗传算法相比,遗传规划采用层次化的结构对问题进行编码,在这种编码方式下,问题的结构和大小具有动态可变性,人为干预的因素很少。　实验结果表明,基于遗传规划的预测和分类方法的准确率和表达式的知识表达能力之间大致成反比,如果不特意追求知识表达能力,由于遗传规划的全局搜索寻优能力,则预测和分类的准确率可以达到很高的程度。对收费员排班问题的求解表明,基于遗传规划的整数线性规划问题求解方法是有效的,本例中遗传规划的求解结果就优于遗传算法的结果。