Пытаетесь ли вы улучшить современное состояние многопользовательских решателей с помощью генетических алгоритмов? Или вы пытаетесь продвинуть технику генетического алгоритма, используя multiknapsack в качестве тестовой платформы? (Вы можете уточнить?)
В зависимости от того, какая цель является вашей, ответ на ваш вопрос может быть совершенно другим. Поскольку другие ответили на последний вопрос, я приму первый.
Произошли небольшие серьезные скачки в базовом генетическом алгоритме. Наилучшее улучшение в решении мультинапака с использованием генетических алгоритмов состояло бы в улучшении кодирования операторов мутации и кроссовера, которые могут вносить разницы в результирующие характеристики и выбрасывать из воды любые изменения в фундаментальном генетическом алгоритме. , Вы можете многое сделать для того, чтобы ваши операторы мутации и кроссовера были адаптированы для использования в нескольких ранцах.
Сначала я бы посмотрел литературу по многоканальному рюкзаку, чтобы увидеть, какие существуют различные виды пространств поиска и методов решения, которые люди используют в многоканальном пакете. В своих оптимальных или субоптимальных методах (независимо от генетических алгоритмов), какие типы операторов поиска они используют? Что они кодируют как переменные и что они кодируют как значения? Какие эвристические функции оценки используются? Какие ограничения они проверяют? Затем вы адаптируете их кодировки к своим операторам мутации и кроссовера и увидите, насколько хорошо они работают в ваших генетических алгоритмах.
Весьма вероятно, что эффективное кодирование пространства поиска или функция точной эвристической оценки задачи с множеством ранцев могут перевести в высокоэффективные операторы мутации и кроссовера. Так как многокамерный мешок - это очень хорошо изученная проблема с большим объемом исследовательской литературы, он должен стать для вас золотым рудником.