| 第1章 引言 | 第1-15页 |
| ·历史背景 | 第7-9页 |
| ·背包问题各种形式的数学模型 | 第9-12页 |
| ·0-1背包问题 | 第12-13页 |
| ·本文的结构和主要创新点 | 第13-15页 |
| 第2章 属性论方法 | 第15-36页 |
| ·引言 | 第15-16页 |
| ·最简性质判断的定性映射模型 | 第16-19页 |
| ·多维整合(或合取)性质判断的定性映射模型 | 第19-22页 |
| ·基准cp为区间向量的定性映射 | 第19-20页 |
| ·基准cp为区间矩阵的定性映射和合取性质的初等判断 | 第20-22页 |
| ·人工神经元与权重w对定性基准施行的内积变换w_(α，β) | 第22-30页 |
| ·人工神经元的截距式形式 | 第22-24页 |
| ·n维定性基准[α，β]的内积变换w_[α，β]和人工神经元 | 第24-28页 |
| ·以w_[α，β]为基准的定性映射与n维人工神经元 | 第28-30页 |
| ·量——质转化程度函数 | 第30-34页 |
| ·量-转化的程度差异及其转化程度函数 | 第30-32页 |
| ·定性基准模糊化 | 第32-33页 |
| ·定性映射与特征函数 | 第33-34页 |
| ·转化程度函数 | 第34页 |
| ·结论 | 第34-36页 |
| 第3章 0-1背包问题算法及实现 | 第36-53页 |
| ·算法原理与概述 | 第36-43页 |
| ·启发式算法 | 第36-37页 |
| ·贪婪算法 | 第37-38页 |
| ·背包的核问题 | 第38-39页 |
| ·物件关于核的定性映射，核的模糊化 | 第39页 |
| ·传统属性论中Gauss型转化程度函数遇到的困难 | 第39-40页 |
| ·改进的Gauss型转化程度函数 | 第40-41页 |
| ·背包问题的近似“核” | 第41-42页 |
| ·可行解的转换优化过程 | 第42-43页 |
| ·算法设计 | 第43-46页 |
| ·算法整体流程 | 第43-44页 |
| ·数据预处理 | 第44页 |
| ·求取初始可行解 | 第44-45页 |
| ·找寻近似核和计算核内各点的转化程度 | 第45页 |
| ·循环转化优化过程 | 第45-46页 |
| ·算法的软件包的设计 | 第46-53页 |
| ·knapsack包总体设计 | 第46-47页 |
| ·KnapsackObject类 | 第47-48页 |
| ·KnapsackUtil类 | 第48-49页 |
| ·KnapsackProblem类 | 第49-50页 |
| ·KnapsackSolution类 | 第50-51页 |
| ·KnapsackProblemSolver类 | 第51-52页 |
| ·KnapsackSolverMonitor接口 | 第52页 |
| ·结语 | 第52-53页 |
| 第4章 算法测试及结果分析 | 第53-61页 |
| ·背包问题的数据实例分析 | 第53-55页 |
| ·算法测试实例产生策略 | 第55-56页 |
| ·算法测试程序 | 第56-58页 |
| ·实例生成器 | 第56-57页 |
| ·背包问题优化程序 | 第57-58页 |
| ·测试结果 | 第58-60页 |
| ·结果分析 | 第60-61页 |
| 第5章 结论 | 第61-62页 |
| ·本算法的研究意义 | 第61页 |
| ·下一步的研究工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-70页 |
