背包问题不仅具有重要的理论研究价值,而且在实际问题中有着重要的经济效益。背包问题现已在工业和金融领域的系统处理和数据库分配,资源分配以及投资决策中具有重要的应用,对背包问题的研究与优化也逐渐成为与企业效益密切相关的重要因素。本文从实际问题的角度出发,针对0-1背包问题,提出一种进化策略与遗传算法结合的思路,致力于提高组合优化问题的求解质量和优化算法的效率。根据背包问题的内在特征以及对遗传算法的运行机制的分析,本文提出了一种多点多父辈交叉算法(MP2X),并采用正交实验设计方法进行交叉算子的优化改进。对MP2X交叉操作实施正交实验设计方法的目的是充分利用来自多个染色体个体的若干基因的固有信息。基于多点多父辈交叉操作(MP2X)和正交设计相结合的方法,提出了一种遗传算法变体多点多父辈正交遗传算法(MPXOGA)。同时采用精英保留策略,既延续了性能最优的父代样本,由其通过遗传变异算法后进化出来的性能在最优子代中也能够得以保存,同时淘汰掉下一代适应性较差的子代个体。延续表现性能优异的父代样本,使其与本代的染色体合同进化,极大地丰富了种群后代的优异特征。精英保留策略不仅降低了遗传算法求得最优解的平均迭代次数,而且使得求解的总体耗时缩短,有利于优化遗传算法在求解背包问题的性能展现优势。本文还根据对背包问题的分析与相应的问题所特有的模型特点,优化改进了遗传算法中的部分算子流程,对于解的修正部分采用将贪婪算法引入遗传算法的方法。使用两种修正策略TX10和TX01对当前搜索路径进行较为合理的修改或更新,构造合同组合优化模型,以得到满足实际约束的切实可行并同时具有最优适应度的最佳解,对精细搜索能力达到了较好的提升和优化。通过采用修正策略来对解运算寻优过程进行解的优化与修正,确保了遗传算法的运算维护,并达到了寻求路径分集的目的。在经典背包实例上的仿真结果表明,MPXOGA的性能优于混合遗传算法(HGA)、贪婪遗传算法(GGA)、贪婪二进制粒子群优化算法(GBPSOA)和贪婪PSO(VGPSO)等多种算法。MPXOGA在解决背包问题中优化寻找最佳解决方案,提高了算法效率和鲁棒性。