背包问题要求在旅行袋容积一定的条件下,使所携带物品的总价值最大。背包问题也可以理解为在资源有限的情况下,如何分配资源使得收益最大。背包问题属于组合优化领域中具有代表性的问题之一,对该问题的求解方法的研究无论是在理论上,还是在实践中都具有一定的意义。本文的主要工作为：详细介绍了解决背包问题的几种算法,包括动态规划算法、分支界定法、DNA方法、蚂蚁算法并对四种算法的实验数据进行比较。对遗传算法和贪婪算法进行了深入研究,编写了遗传贪婪相结合的混合算法,并对其进行测试和分析。本文采用遗传贪婪混合算法解决背包问题,提出了利用补偿算子来解决算法较早收敛于局部最优解的思想,有效抑制了算法的早熟收敛。在算法的交叉操作中加入了确定性策略,在算法的变异操作中加入了非确定性策略,以确保算法具有更好的收敛性能。实验结果表明,该算法性能较佳,可以满足解决背包问题的需要。