人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科。在人工智能早期被提出的时候,人们大多这门学科比较乐观,很多权威的计算机研究人员预测,用不了多少年以后计算机的智能将超越人类。到时候,世界将由计算机和人类将共同统治世界。甚至很多科幻小说认为计算机的智能会超过人类。但是,人工智能问题的复杂度和困难度远远比想象的高,近几十年人们在多个方向上不断研究,其中包括:基于符号进行的逻辑推理和启发性搜索、基于连接思想的神经网络研究、基于进化思想的理论研究,但是都没有实质性的进展,只能说是在某些狭窄的应用领域中取得一些成果。本文针对基于进化思想的一个分支进行研究,设计并实现了一套基于基因表达式编程的股票投资决策系统,该系统并非用于准确预测未来股票指标的具体数字,而是针对股票指数的未来走势作出具有一定逻辑性的投资决策意见。该系统对原始基因表达式编程算法进行了改造,采用多层级的基因编码方式,解决了基因编码的重复使用问题;改进了karva基因编码方式,增强了基因表达式的解决问题的复杂性,同时不影响算法的进化速度;改进了适应度的评估方式,从而解决了高适应度低能的问题;改进了原始的遗传操作,以便适应新的基因编码方式。