构建一个遗传算法程序，书中已给出详细步骤，但由于基础知识的欠缺，不能完全理解每一步的原因。希望得到重点部分的解释和与结果一样的程序，以及最后如何在excel表格中现实图表的显示。最好能够具体说明。
找到由30件行李组成的背包问题的最优解。
然而，knapsack问题是以下问题（图3.15）。
假设现在有几件行李。 每件行李都被赋予了一定的重量（重量）和价格（价值）。 你选择其中一些行李，并将其装入背包。
并将它们装入背包。 由于背包有重量限制，行李的总重量不得超过一定重量。 在这些条件下，我们寻找一种行李的组合，使总价格尽可能高。
(1)每件行李都有一定的重量(weight)和价格(value)
(2)选择其中一些，将其装入有重量限制的背包中，并找到使总价值最大化的组合。
图3.15 Knapsack问题
首先，考虑一下染色体是如何表示的。 在背包问题中，直接的方法是将哪些行李要装在背包中表示为0/1。 因此，按行李的件数排列0/1，把要放进背包的行李件数对应的位置作为1，把不放进背包的行李件数对应的位置作为0。 例如，在图3.15中，假设只有五件行李中的第二件和第三件被装在背包里。 在这种情况下，染色体的表示方法看起来像 "01100"。
染色体的估值被计算为装在编织袋中的价值之和。 然而，如果超过了背包的重量限制，该值将被设置为零。 例如，假设在图3.15中，背包的重量限制为100。 在这种情况下，对于将第二和第三件行李装入背包的染色体 "01100"，其数值计算如下
染色体 "01100" 価値
82+85=167
重量
39+9=48
总重量值为48，总重量小于或等于重量限制，所以总数值167，是染色体的原值。
相反，如果我们考虑，例如，图315中所有的行李都装在一个背包里的情况，染色体的表达是1。 以同样的方式思考价值和重量，染色体 "1111 "有以下价值27+82+85+71+91=356
重量65+39+9+72+87=272
染色体的总价值很大，但染色体的总重量超过了100的重量限制，所以染色体的价值为0。
现在我们已经决定如何表示和评估染色体，现在我们可以根据前面介绍的程序建立遗传算法程序。 首先，考虑数据结构。 遗传算法在一个染色体群体上运行。 因此，让我们在C语言中把染色体群表示为一个变量。
染色体被表示为0/1的序列，所以一条染色体可以被表示为一个一维数组。 其中的几个走到一起，形成一个染色体群体。 因此，一个染色体群体用一个二维数组表示，如下所示。
int pool [POOLSIZE] [N]
int ngpool [POOLSIZE * 2]
其中，符号常数POOLSIZE给出了每一代染色体组的数量；pool数组保存特定一代的染色体，而ngpool数组保存在遗传操作中作为下一代染色体的候选个体。 ngpool序列中的元素数量是pool序列的两倍。 这样做是为了给后代创造更多的染色体，通过选择的遗传操作可以从中选择合适的染色体。
在编织袋问题中，必须保留每个包裹的重量和价值。 这里，一个名为PARCEL的二维数组被用来保存重量和数值。 这里，第一个下标给出了包裹之间的区别，第二个下标给出了重量和价值之间的区别。 在下文中，第二个下标如果是0，则被视为代表权重，如果是1，则代表价值。 另外，符号常数N是地块的数量。
int parcel [N][2]; /行李 /
现在让我们考虑如何根据一个程序来描述一个具体的过程。 首先，在处理步骤（1）中，通过随机数对染色体群进行初始化，具体操作如下。
int i, j;/用于重复的控制变量 /
for (i = 0; i < POOLSIZE; ++i)for (j = 0; j < N; ++j)pool [i] [j] = rndn (2);
这里，函数rndn是一个返回随机数的函数，该随机数小于作为参数给定的数字，并且大于或等于0。 在这里，染色体种群是通过随机生成0或1来初始化的。
接下来是处理步骤（2），使用for语句将以下过程重复适当次数。
首先，（2-1），交叉过程，首先创建一个轮盘，选择父母。
具体来说，一个数组轮盘被创建如下，连同评价的总值totalfitness一起被计算。 其中函数evalfit计算作为参数的染色体的评估值。
/ 创建轮盘/
for (i = 0; i < POOLSIZE; ++i)
roulette[i] = evalfit (pool [i]);
/ 计算评估的总和/ for (i = 0; i < POOLSIZE; ++i)
totalfitness += roulette [i];
利用这些结果，步骤（2-1-1）中的父本选择被写成如下
做(/选择父母/)
mama=selectP（轮盘赌，Totalfitness）。
papa = selectp（轮盘赌，totalfitness）。
在这里，函数selectp通过轮盘选择来选择一个父本。
上述做法还可以防止同一染色体被选择两次，这将使交叉运算无效。
上述做法可以防止同一染色体被选择两次，这将使交叉运算无效。
接下来，步骤（2-1-2）中的一点交叉等被实施，如下所示。这里，m和PD序列是父染色体，而c1和c2序列持有子染色体。
/* 交叉点的确定 /cp = rndn (N)。
/ 复制前半部分 */
for (j = 0; j < cp; ++j)
c1 [j] = m[j]。
c2 [j] = P[j]。
/*复制后半部分的内容 */
for (; j< N; ++j)[c2 [j] = m[j];
c1 [j] = p[j]。
然后，步骤（2-2）中的突变过程按以下方式实施。下面的if语句对应于步骤（2-2-1），最后的赋值语句对应于（2-2-2）。注意，notval0函数将0和1倒置。
for (i = 0; i < POOLSIZE * 2; ++i)
for (j = 0; j < N; ++j)
如果((double) rndn (100) / 100.0 <= MRATE)
ngpool [i] [j] = notval（ngpool [i] [j]）。
上述过程以程序的形式实现，其模块结构如图3.16所示。 该程序应命名为kpga.c。
