- 基于箱子的表示(bin-based representation)
基因的位置表示物品，基因的值表示该物品放入的箱子。
1 2 3 4 5 6 <--- 物品
+---+---+---+---+---+---+
染色体 | 1 | 2 | 4 | 5 | 3 | 2 | <--- 箱子
+---+---+---+---+---+---+
1号物品放入箱子1，2放入2，3放入4，4放入5，5放入3，6放入2.
特点：
- 颜色体长度恒定，就是物品的数量
- 可以采用标准的遗传算子 缺点：
- 高度冗余（1 2 3 1 4 4）和 (3 1 4 3 2 2) 就是对问题相同解的不同编码。随着箱子数量的增加而指数上升，也就是间接地随问题的规模指数上升。因此遗传算法搜索的空间就比问题本身的解空间大得多。搜索能力受到严重的削弱。
- 会使某个基因的含义依赖于其他的基因。
- 超过其重量限制，产生不可行的解。
- 基于物品的表示(object-based representation)
对物品的排序进行编码，然后应用解码器得到器对应的解。
待放置 1 2 3 4 5 6
染色体 1 2 3 | 4 5 | 6
染色体 2 1 3 | 4 5 | 6
染色体 6 3 | 1 4 2 | 5
不同的编码，相同的解
特点：
- 从不产生不可行解
缺点：
- 也是高度冗余
- 无法在进化过程中，维护从父代继承的信息
- 基于分组/群体的表示(group-based representation)