背包问题（knapsack problem）是典型的组合优化问题，有广泛的实际应用背景，许多优化问题都可以通过解一系列背包子问题来解决。从实践的观点看，许多工业问题可以用背包问题来描述，如资金预算、货仓装载、存储分配等都是典型的应用例子。尽管背包问题的结构形式简单，但却具有组合爆炸的性质。　　 差异演化算法（Differential Evolution Algorithm，简称DE）是Rainer Storn和Kenneth Prince在1995年提出的一种基于群体差异的演化算法。DE算法具有收敛速度快、操作简单，易编程实现，极强的稳健性等优点，在解决全局连续优化问题时表现出强大的优势，引起了广大学者的研究兴趣。DE是从解决连续优化问题发展起来的。经过多年的发展，DE的性能已经大大提高，被证明是解决全局连续优化问题的最成功的进化算法之一，得到了广泛使用。论文对DE在函数优化方面的改进思想作了介绍分析。　　 传统的DE最后求得的解不能保证一定在离散空间中，通常不能直接应用于求解离散优化问题。如何使DE应用领域推广到离散优化问题成了新的研究热点。为了解决DE算法在求解离散问题的劣势，人们尽管已经提出了一些优秀的算法，比如说AMDE，BDE，HBDE，我们认为仍然有很大的改进余地。这些算法主要通过引入数学变换、映射等思想，改变编码方式对算法进行了改进，编码方式改变后，重新定义了算法的相关操作。而许多改进思想可以从对粒子群算法（PSO）的改进中借鉴，因此本文对PSO及DE算法在求解离散问题时的改进策略进行了分析比较。　　 本文研究了DE求解离散优化问题中的处理策略。针对DE在解决离散优化问题时存在的缺点和不足，采用二进制编码策略，提出新的变异方式，引入启发式修正算子对DE进行改进，并将改进的算法应用于求解0-1背包问题。实验结果表明，本文提出的改进DE算法（MBDE）优于改进的二进制粒子群算法（MBPSO）和基于混合编码的二进制差异演化算法（HBDE），验证了MBDE算法的可行性和有效性。