研究已表明，它在很多领域具有比遗传算法和遗传编程更强的解决问题的能力。全书共分四部分(14章)。第一部分介绍了基因表达式编程产生的相关背景；第二部分系统地阐述了基因表达式编程的基本概念、基本原理、基本算法和理论分析；第三部分着重讨论了基因表达式编程算法的拓展和改进；第四部分重点介绍了基因表达式编程在知识发现等多个领域中的典型应用。三大理论基础： （1）Avery等的肺炎球菌转化试验证明了生物的遗传物质是DNA； （2）Watson和Crick发现了DNA分子双螺旋结构及DNA半保留复制机理； （3）Crick确立了遗传中心法则，即生物体中遗传信息是按DNA→RNA→蛋白质方向进行传递。 本书可作为高等院校计算机科学与技术、软件工程等相关专业高年级本科生的选修教材和数据挖掘、智能计算等方向研究生参考教材，特别是可作为所有拟对基因表达式编程技术进行深入研究或借助基因表达式编程技术进行应用研究的学者、工程师们的参考用书。[1]目录《智能科学技术著作丛书》序序前言第一部分 背景概述篇第1章 最优化问题1.1 最优化问题简述1.2 最优化问题的求解方法1.2.1 求解最优化问题的数学方法1.2.2 进化计算求解方法1.2.3 无免费午餐定理参考文献第2章 生物进化与进化计算2.1 从进化论到进化计算2.1.1 生物进化论概要2.1.2 遗传算法2.1.3 进化策略2.1.4 进化规划2.1.5 遗传编程2.2 广义的进化计算2.2.1 进化计算的本质2.2.2 进化算法的一般框架2.3 生物的基因表达2.3.1 DNA2.3.2 RNA2.3.3 蛋白质2.3.4 基因表达过程2.4 从生物的基因表达到基因表达式编程2.4.1 GEP的发展历史2.4.2 GEP的研究和应用2.4.3 GEP的特点参考文献第二部分 基本算法与理论篇第3章 GEP算法基础3.1 GEP的基本要素3.1.1 开放读码框架和基因3.1.2 GEP中的基因3.1.3 多基因染色体3.1.4 子表达式树的相互作用3.2 基本的遗传操作3.3 GEP基本算法3.4 适应度函数的选择和评估3.5 标准GEP的选择策略3.6 简单的函数发现实例参考文献第4章 GEP的理论分析4.1 形式化定义4.1.1 终结符和函数……第5章 GEP的进化过程分析第三部分 算法拓展与改进篇第6章 GEP个体与种群组织的拓展第7章 GEP遗传操作与行为干预的拓展第8章 并行GEP算法第9章 GEP与其他算法的融合第四部分 应用研究篇第10章 GEP在函数挖掘中的应用第11章 GEP在预测中的应用第12章 GEP在规则挖掘中的应用第13章 GEP在分类和聚类中的应用第14章 GEP在其他领域的应用附录纠错参考资料[1] 基因表达式编程算法原理与应用．豆瓣 [引用日期2017-04-12]三大技术基础： （1）如何从生物体庞大的双链DNA分子中将所需要的基因片段切割下来（限制酶）； （2）如何将获得的基因片段进行连接（DNA连接酶）； （3）如何将切割下来的基因片段进行繁殖扩增（基因载体）。