背包问题是一类经典的组合优化问题,属于NP-hard问题,其研究模型众多但均可转化为最基础的0-1背包问题。目前,针对0-1背包问题的研究内容主要包括算法的探索和扩展模型的研究,尤其是针对扩展模型的研究一直都是热点问题。本文结合实际需要,提出以下两类扩展模型:（1）将0-1背包问题中的约束条件与实际结合,形成两种不同性质的约束:主观需求与客观约束;（2）将0-1背包问题中物品信息（例如物品价值）不确定化,建立一种动态的问题模型。首先,当前众多背包问题的约束条件通常由客观因素构成,如背包的额定容量等。但在实际生活中,确定物品选择的方案时,需要结合决策者自身的主观需求对其进行调整。基于此,本文引入“主观需求”的概念,建立了考虑决策者主观需求的0-1背包问题模型,并设计了一种混合贪心遗传算法（Hybrid Greedy Genetic Algorithm,HGGA）对该模型进行求解。针对此模型,首先设计了一种贪心算子,先考虑主观需求再考虑客观约束,对初始种群进行优化与修正;然后设计一种局部搜索算子,改进了扰动位点的选择方式,实现对局部最优解的扰动,达到了跳出局部最优得到更优质解的目的,并将此算子嵌入遗传算法。最后,在随机生成的规模和相关性均不同的9个算例上分别与同类型的遗传算法进行了对比实验,包括简单遗传算法（Simple Genetic Algorithm,SGA）和贪心遗传算法（Greedy Genetic Algorithm,GGA）。实验结果表明,同其他两种算法相比,混合贪心遗传算法（HGGA）在求解精度与算法鲁棒性具有明显优势。其次,本文考虑到生活中信息多变的特点,将动态变化的信息特征与0-1背包问题进行结合,建立了一种物品价值不确定的0-1背包问题模型。结合一般处理动态问题的方法,设计了一种价值预测算子,该算子采用正态分布预测模型对物品的历史价值进行一次预处理得到当前的预测价值,进而将动态问题转化为静态问题。然后依据0-1背包问题的特点,设计了两种搜索策略,以不增加当前背包重量为前提,提升背包内物品总价值为目的,在包内和包外两类物品之间进行交换,在满足特定约束的前提下,最大化背包空间利用率。随后,将所设计的搜索算子嵌入遗传算法,形成一种增强遗传算法对问题求解。为了验证算法和预测模型的有效性,本文对9个典型算例和2组预测算例进行测试,结果表明所设计的增强遗传算法能以较高的效率取得满意解,预测模型对价值的预测也是有效的。