折扣0-1背包问题(D{0-1}KP)基于0-1背包问题({0-1}KP)提出,用以刻画商业活动中的折扣现象。因群智能算法求解折扣0-1背包问题时,个体编码容易出现非正常编码概率过高的现象,且算法容易早熟。本文基于折扣0-1背包问题的算法及模型两方面,立足贪心优化修复策略,迭代效率,非正常个体编码概率三个方面,对问题进行处理。主要内容如下:1.针对现有贪心修复优化算法(GROA)在同一项集中只选择价值密度较大项的现象,提出新型贪心修复优化算法(NGROA)。新型贪心修复优化算法对于同一项集中多个物品同时被选择的情况考虑价值最大项,与目标函数保持一致,从而提升求解精度。基于新型贪心修复优化算法策略及遗传算法,提出新型遗传算法(NFir EGA)。通过实例计算,验证了新型贪心修复优化算法较传统贪心修复优化算法在求解精度上有明显提升。2.考虑在传统遗传算法求解折扣0-1背包问题过程中,交叉操作和变异操作效率较低,结合核算法,提出核加速遗传算法(CEGA)。核加速遗传算法通过缩小交叉变异算子范围,提升算法求解效率。利用核加速遗传算法求解折扣0-1背包问题实例,结果表明核加速遗传算法相对于传统遗传算法在收敛速度方面效果优秀。3.通过改变折扣0-1背包问题的个体编码对应方式,提出新的二进制编码表达方式,使得个体编码在算法求解过程中始终保持正常,进而简化折扣0-1背包问题(SD{0-1}KP)。基于简化折扣0-1背包问题模型,结合遗传算法,提出求解简化折扣0-1背包问题的第一遗传算法(FG)。再结合罚函数,提出第二遗传算法(SG)。通过实例计算,结果表明,简化折扣0-1背包问题不仅能够完全覆盖折扣0-1背包问题领域,且新提出的两类算法均适用于求解简化折扣0-1背包问题。