区块链技术近几年发展迅速,早期的区块链应用都是公有链,承载了大量可自由出入的节点,系统一般采用工作量证明等共识算法。采用证明类共识算法的系统一般每秒可处理交易数很低以及交易确认延迟很高,难以适应于需要高并发、低延迟的金融类区块链应用。另一方面,在以比特币为代表的公有链系统中,为了提高共识节点挖矿的动力,系统会给予挖到新区块的共识节点经济奖励,这样有利于区块链的不断延伸。经济奖励直接影响共识节点挖矿的动力以及区块链能否继续延伸。经济奖励中待选取交易的交易费取决于共识节点的交易选择方法。比特币等系统采用的基于优先级的交易选取算法较为简单,但一般得不到最大交易费。本文把区块生成过程中共识节点选择交易进行打包的过程建模为0/1背包问题,并分别通过分支限界法和遗传算法求解。仿真结果显示基于分支限界法的交易选择算法比基于优先级的算法有更高的交易费总和,从而可以提高共识节点的经济收益。遗传算法作为启发式算法适合交易量十分庞大的选择过程,同时遗传算法的相关参数选择会影响交易费总和的结果。本文通过仿真得到了遗传算法的交叉率、变异率和种群规模等参数对交易费总和等指标影响的结果。本文其次介绍了常见的区块链共识算法的操作流程及其不足之处,以及与联盟链相适配的PBFT（Practical Byzantine Fault Tolerance,实用拜占庭容错）共识算法的详细操作流程。PBFT算法的主节点选择过程较为随意,容易触发视图更换协议造成共识时间上升。本文将主节点的选取过程建模为模糊综合评价过程保证了主节点选取的客观性,并通过变异系数法和CRITIC（Criteria Importance Through Intercriteria Correlation）法使得模糊综合评价的权重分配同时反映了指标的波动性和冲突性,避免了以往权重分配过于依靠人为经验的主观性。仿真结果显示改进后的算法在共识效率上有明显提升,可以有效降低交易确认延迟。最后的仿真测试表明,改进后的系统与比特币等系统相比,在拜占庭节点数量达到理论上限时依然具有更高的出块效率和更高的系统吞吐量,可以满足大多数对吞吐量要求较高的联盟链应用的要求。