最强大脑李威
课程设计（大作业）报告
课程名称： 《算法设计与分析》 武汉养老保险
设计题目：基于遗传算法求解0-1背包问题
院人身损害司法解释 系： 计算机与网络技术系选择作文600字
班 级：08计算机科学与技术1班
设 计 者： 胡 康
学 号： 20081101129
指导教师： 何 英
设计时间：2010年6月6日-18日
昆明学院
昆明学院课程设计（大作业）任务书
姓 名：胡康 院（系）：计算机与网络技术系
专 业：计算机科学与技术 学 号：20081101129
任务起止日期：2010年6月6日-18日
课程设计题目：
基于遗传算法求解0-1背包问题
课程设计要求及任务描述：
1. 对相应题目进行算法分析
2. 编写源代码
清蒸蛏子
3. 上机调试
4. 显示调试结果
5. 写出实验总结
工作计划及安排：
1. 选题与搜集资料:选择相应题目,进行课程设计课题的资料搜集
2. 分析与设计:根据搜集的资料,进行程序功能与数据结构分析,并选择合适的数据结构,并在此基础上进行实现程序功能的算法设计
3. 程序设计:运用掌握C语言编写程序,实现所程序的各个模块功能
4. 调试与测试:自行调试程序,成员交叉测试程序,并记录测试情况
荀彧之死
5. 课程设计报告:编写课程设计报告
报之以歌指导教师签字
年 月 日
课程设计（大作业）成绩
学号：20081101129 姓名：胡康 指导教师：何英
课程设计题目：
基于遗传算法求解0-1背包问题
完成情况总结：
经过为期两周的《算法设计与分析》实训，我们更加牢固的掌握了《算法设计与分析》课程中所学习到的知识，并将其充分运用到实际编程当中，不仅使自己能力得到了提高，也为以后的专业课的学打下了坚实的基础。
在这次编程过程当中，我们小组拿到题目的时候，感觉到既熟悉，又陌生，在上课期间
仅仅学习了使用动态规划算法来解决0-1背包问题，现在要使用基于遗传算法求解0-1背包问题，不知道从何下手，毫无头绪，小组几个成员不得不回到最初点，从跑图书馆、看书、上网找资料开始弄起，其中，我们不仅了解了0-1背包问题的概念和基本原理，得到了老师的指导和相关的基本信息；并且我们对0-1背包问题的几种解决方法进行了升入的学习和研究。
在了解了所需信息的之后的程序设计过程中，我们小组的三名同学分工合作，协力完成了整个程序的设计制作。在此过程中，我主要负责主函数部分的编写及后期的程序改错工作。
最终，我们小组按质按量提前完成了老师所布置的任务，通过这次我们的小组合作，我们的小组凝聚力得到了加强，同时证明了我们的小组是一个优秀的团队。
指导教师评语：
成绩：
填表时间： 指导教师签名：
课程设计（大作业）报告
一、 题目分析
禁毒名言警句（1） 遗传算法：遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。遗传算法是从代表问题可能潜在的解集的一个
种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（lection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。
