二维优化问题——背包问题

背包问题要求从 n 个物品中选取若干装入一个背包中。每个物品有体积(vi>0)和价值(pi)，每个箱子有体积限制()。目标是寻找最优的将物品分配到背包的方案，使每个背包中物品的体积之和不超过容积限制，而价值最大。

(1)

(2)

式中，xi＝1表示物品i被装入箱子，xi=0则表示物品i未被选中。

从下面物品中选取若干，在总体积不超过1000情况下使总价值最大。

序号	1	2	3	4	5	6	7	8	9	10
体积	80	82	85	70	72	70	66	50	55	25
价值	220	208	198	192	180	180	165	162	160	158
序号	11	12	13	14	15	16	17	18	19	20
体积	50	55	40	48	50	32	22	60	30	32
价值	155	130	125	122	120	118	115	110	105	101
序号	21	22	23	24	25	26	27	28	29	30
体积	40	38	35	32	25	28	30	22	50	30
价值	100	100	98	96	95	90	88	82	80	77
序号	31	32	33	34	35	36	37	38	39	40
体积	45	30	60	50	20	65	20	25	30	10
价值	75	73	72	70	69	66	65	63	60	58
序号	41	42	43	44	45	46	47	48	49	50
体积	20	25	15	10	10	10	4	4	2	1
价值	56	50	30	20	15	10	8	5	3	1

遗传编码考虑为长度为50，表示某个物品是否被选中，变异交叉可正常进行。

%v=profit
v=xlsread('H:\original\profit_and_weight.xlsx','sheet1','A1:A50');
V0=1500;
%种群大小
popsize=4;
%二进制编码长度
chromlength=50;
%交叉概率
pc = 0.3;
%变异概率
pm = 0.001;
%初始种群
pop = initpop(popsize,chromlength);
hanshuzhi=zeros(100,1);
% [bestindividual,bestfit] = best(pop,fitvalue);
%  hanshuzhi(1)=bestfit;
for i = 1:100
    %计算适应度值（函数值）
    [objvalue,newpop1] = cal_objvalue(pop,V0,v);
    fitvalue = objvalue;
    %选择操作
    newpop = selection(newpop1,fitvalue);
    %交叉操作
    newpop = crossover(newpop,pc);
    %变异操作
    newpop = mutation(newpop,pm);
    %寻找最优解
    [bestindividual,bestfit] = best(pop,fitvalue);
    hanshuzhi(i)=bestfit;
    %更新种群 
    t=1;
    for j=1:popsize
        if fitvalue(j)==bestfit
            newpop(t)=pop(j);
            t=t+1;
        end
    end
    pop = newpop;
    
    
if i==100
number=1:50;
lastindividual=number(bestindividual==1);
end
end
extra_space=ones(100,1);
for i=1:100
    extra_space(i)=V0-hanshuzhi(i);
end
fprintf('The best individual is --->>%2f\n');
lastindividual
fprintf('The best value is --->>%5.2f\n',min(extra_space));
figure
plot(extra_space(:),'k');