为了进一步优化难解背包问题,在传统理论基础上给出了一种基于动态预期效率的经济学模型,构造了一种全新的背包优化算法,并进行了单独仿真实验和对比实验仿真。实验表明,在同一类背包问题中,该算法优于贪心算法、回溯法、动态规划算法和分支限界算法;与萤火虫群算法对比,该算法较大程度地提高了收敛速度并节省了存储空间,收敛速度几乎是萤火虫群算法的10倍。最后,经过对20个背包问题的探究,验证了该算法的可行性,并确定了该算法的适应范围。