研究表明人工神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能强等特点,成为解决很多问题的有力工具,并且已经广泛应用在函数逼近、系统识别和控制、信号和图像处理及时间序列预测等许多科学和工程领域。在神经网络的研究课题中,最重要的一个问题是怎样选择合适的神经网络结构以及相关参数。神经网络的权值和阈值等参数可以用许多方法学习得到,如误差反向传播算法,遗传算法,进化编程和随机搜索算法等。通常神经网络的结构决定着它的性能,网络结构是用节点之间是否连接的方式来表明的,但网络结构的设计目前还没有规律可循。对于同一个问题的解决,可能存在多个结构不同且性能不同的神经网络。根据具体的问题,所设计的神经网络可能是多个隐含层和输入输出层,每个神经元的激励函数可以是不同的,但是有些时候则可能是输入层和输出层直接连接而没有中间层。近年来许多学者致力于实现神经网络结构和参数的自动优化的研究。本文研究的神经树就是一种网络结构和相关参数自动优化的神经网络系统,这是由于它是采用树结构编码的,一些基于树结构编码的优化算法,如遗传编程、蚂蚁编程和概率递增编程等,可被用来优化神经树的结构,而再结合一些参数优化算法就可以实现结构和参数的自动优化。本文系统地介绍了神经网络、基于语法引导遗传编程和神经树的基本理论、构成和实现方法,在总结前人研究的基础上,提出了用基于语法引导的遗传编程来进化神经树结构的实现方法。具体内容如下:(1)对神经网络的基本理论进行了详细的综述。首先概述了神经网络的特点、产生和发展历史,着重介绍了神经网络的基本思想、研究领域和应用发展情况,然后从理论和应用研究上综述神经网络的研究现状,总结了神经网络设计中的难点问题。(2)介绍了基于语法引导的遗传编程。首先概述了进化算法的基本思想,重点介绍了遗传算法和遗传编程的基本理论,然后阐述了基于上下文无关语法模型的遗传编程和基于随机概率语法模型的遗传编程的定义和实现方法。(3)研究了神经树的特点和实现方法。分别介绍了采用基于上下文无关语法模型的遗传编程和基于随机概率模型的遗传编程结合参数优化算法,如遗传算法、粒子群优化算法等来建立神经树模型的方法。(4)将基于语法引导遗传编程的神经树模型应用于时间序列预测和分类预测等领域。各种仿真实验,如股票指数预测,外汇汇率预测和白血病细胞分类预测等实验的结果都表明基于语法引导遗传编程的神经树模型比标准神经网络模型的预测结果更具有效性和可靠性。