遗传算法解决背包问题（python）

01背包问题

1.问题重述

给定n个物品，价值分别是：v1,v2,…,vn,重量分别是：w1,w2,…,wn。在物品不可分割的情况下，挑选物品放入承重为W的背包，使得背包内物品的价值最大，且背包内物品的总重量小于W.

2.解决方案

本问题可用多种方法解决，这里采用遗传算法来求解，以下是遗传算法的流程图：

要采用遗传算法，则首先确定以下几个要素：染色体的编码方法、适值函数、染色体交叉和变异采用的方案、选择策略

2.1 染色体的编码方法

基因编码的方法都有：二进制、整数编码、顺序编码、 实数编码等
对于01背包问题，由于每一个物体都有选或者不选两种情况，即可以用0、1来表示选择或是没有选择。故可使用二进制的编码方法来对染色体编码，且染色体长度为物体个数。

def initPopulation(self):
    """初始化种群"""
    self.lives = []
    for i in range(self.lifeCount):
        gene = [random.randint(0,1) for x in range(self.geneLenght)] # 初始化染色体
        life = Life(gene) # 生成个体
        self.lives.append(life) # 扩展种群

2.2 适值函数的选择

在确定适值函数时，首先要确定是求最小值优化问题还是求最大值优化问题，当求最大值优化问题时，可直接将目标函数当做适值函数，求最小值优化问题时，通过变换将其变为求最大值优化问题。
确定目标函数时，要先确定求解目标以及约束条件。此问题的目标是求一个X=(x1,x2…xn)(xi为0或1)，从而使得V(总价值)最大，而约束条件则是W(背包承重)。以下为我的目标函数：

$$f(x)=\sum _{i=1}^n{x}_i\ast v_i\sum _{i=1}^n$$