现代信息化战争突发性强、节奏快,战争动员组织的速度和效能成为影响战争进程和结局的一个关键因素。在演习、实战中,由于老兵退伍、战斗伤亡、因病、新兵补入等原因,作战部队要补入大量新生兵员,已经形成的战斗编组经常要重新调整。在军队人员数量和武器装备水平相对稳定的情况下,组织结构优化可以成为提高战斗力的“倍增器”。编组问题涉及人员属性多,影响编组因素多,是动态规划问题,编组方案数数量巨大,传统方法难以准确评估各因素对战斗力效能的贡献。为了解决这一问题,本文基于基因表达式编程和模糊数学相关理论,做了下列工作:1)针对信息化战争中存在的战斗人员编组难题,分析了部队战斗力形成体系及其影响因素,形式化描述了通用的战斗人员编组数学模型。2)提出了三个战斗人员属性模糊量化模型,并提出了一个融合效能算法FSEA(Flexibility Synthetical Efficiency Algorithm)。3)提出了一个基于GepBE (GEP-Battle Effectiveness)函数关系发现算法,该算法可挖掘出专业分队战斗单元的战斗效能函数关系,使战斗效能可计算化,为战斗编组提供科学度量函数。4)提出了一个基于基因表达式的Caching GepFG(GEP-flak-Group)模型解决了战斗人员编组问题,与标准GepFG评价算法相比可以节省大约75%的时间,此算法使用倒位操作实现了向最优编组方案的无限逼近,传统穷举法需穷举[ ( 6Q )!* CN6 Q]/Q!个方案求战斗群的战斗力效能最大值,在大多数情况下不可解。5)基于以上提出的算法进行了实验,实验结果显示,以上方法编组后战斗群总效能值比原人工编组效能值提高了3.14%。