我在将任何简单表格放入文档时遇到问题。每行都排版在同一行，并且相互重叠。
我在 Windows 上使用 Miktex 2.9。
这是某种错误吗？还是我的配置有问题？
\begin{table}
\begin{center}
\begin{tabular}{ c c c }
cell1 & cell2 & cell3 \\
cell4 & cell5 & cell6 \\
cell7 & cell8 & cell9
\end{tabular}
\end{center}
\end{table}
请帮忙。
EDIT1：文档有超过 1k 行，因此我将其上传到我的 Google Drive：完整文件
EDIT2：我提供了完整的示例，摘自我的原始文档：
\documentclass[12pt]{report}
\usepackage[T1]{fontenc}
\usepackage[utf8]{inputenc}
\usepackage{graphicx}
\usepackage{amsmath,amssymb,amsfonts}
\usepackage{txfonts}
\usepackage{indentfirst}
\usepackage{polski}
\usepackage{listings}
\usepackage{color}
\usepackage{url}
\begin{document}
\chapter{Wstęp} \label{rozdz-wstep}
\section{Problematyka i zakres pracy}
\indent Niniejsza praca dotyczy odkrywania wiedzy z baz danych, eksploracji danych oraz sztucznej inteligencji, w szczególności obliczeń inteligentnych. \\
\indent Głównym przedmiotem pracy są algorytmy genetyczne oraz problem wykrywania punktów osobliwych (wyjątków) w zbiorach danych.
Przedstawiona zostanie również analiza praktycznego wykorzystania algorytmu genetycznego do przeszukiwania przestrzeni rozwiązań, w poszukiwaniu wyjątków.
Sprawdzone także zostanie, dla jakich typów danych należy wykorzystywać ewolucyjną eksplorację punktów osobliwych. W końcowej części zawarte zostaną wnioski z przeprowadzonej analizy.\\
\begin{table}
\begin{center}
\begin{tabular}{ c c c }
cell1 & cell2 & cell3 \\
cell4 & cell5 & cell6 \\
cell7 & cell8 & cell9
\end{tabular}
\end{center}
\end{table}
\indent Podejmując tematykę, o której mowa należy posiadać bardzo dobre zrozumienie problemu przeszukiwania ewolucyjnego.
Typowe implementacje algorytmów genetycznych nie radzą sobie najlepiej z problemem wykrywania wyjątków,
a utworzenie specjalistycznych operatorów selekcji, mutacji oraz krzyżowania nie należy do łatwych zadań.\\
\indent Podejmowanie tej tematyki jest bardzo ważne ze względu na to, że różnego rodzaju firmy oraz organizacje zbierają i przechowują ogromne (liczące nawet petabajty) i wciąż rosnące ilości danych, służących do przeprowadzania analiz.
Aby wydobyć wiedzę z tych danych potrzeba coraz lepszych i wydajniejszych algorytmów.
Spodziewanym rezultatem pracy, jest odpowiedź, że zastosowanie algorytmu ewolucyjnego do eksploracji wyjątków przyspiesza przeszukiwanie przestrzeni rozwiązań (w porównaniu do pełnego-naiwnego przeszukiwania), przy jednoczesnym zachowaniu akceptowalnej dokładności otrzymywanych wyników.
\end{document}
答案1
该包polski大部分已过时，只需用以下代码替换即可
\usepackage[polish]{babel}
有点复杂，amssymb需要定义，但加载时\lll不需要。另一方面，最好加载和的组合。amssymbtxfontstxfontsnewtxtextnewtxmath
这是一个修复版本，其中无用的\indent命令和错误的\\结束段落也被删除了。
\documentclass[12pt]{report}
\usepackage[T1]{fontenc}
\usepackage[utf8]{inputenc}
\usepackage[polish]{babel}
\usepackage{graphicx}
\usepackage{amsmath,amsfonts}
\usepackage{newtxtext,newtxmath}
\usepackage{indentfirst}
\usepackage{listings}
\usepackage{color}
\usepackage{url}
\begin{document}
\chapter{Wstęp} \label{rozdz-wstep}
\section{Problematyka i zakres pracy}
Niniejsza praca dotyczy odkrywania wiedzy z baz danych, eksploracji danych oraz sztucznej
inteligencji, w szczególności obliczeń inteligentnych.
Głównym przedmiotem pracy są algorytmy genetyczne oraz problem wykrywania punktów osobliwych
(wyjątków) w zbiorach danych. Przedstawiona zostanie również analiza praktycznego
wykorzystania algorytmu genetycznego do przeszukiwania przestrzeni rozwiązań, w poszukiwaniu
wyjątków. Sprawdzone także zostanie, dla jakich typów danych należy wykorzystywać ewolucyjną
eksplorację punktów osobliwych. W końcowej części zawarte zostaną wnioski z przeprowadzonej
analizy.
\begin{table}
\centering
\begin{tabular}{ c c c }
cell1 & cell2 & cell3 \\
cell4 & cell5 & cell6 \\
cell7 & cell8 & cell9
\end{tabular}
\end{table}
Podejmując tematykę, o której mowa należy posiadać bardzo dobre zrozumienie problemu
przeszukiwania ewolucyjnego.
a utworzenie specjalistycznych operatorów selekcji, mutacji oraz krzyżowania nie należy do
łatwych zadań.
Podejmowanie tej tematyki jest bardzo ważne ze względu na to, że różnego rodzaju firmy oraz
organizacje zbierają i przechowują ogromne (liczące nawet petabajty) i wciąż rosnące ilości
danych, służących do przeprowadzania analiz. Aby wydobyć wiedzę z tych danych potrzeba coraz
lepszych i wydajniejszych algorytmów. Spodziewanym rezultatem pracy, jest odpowiedź, że
zastosowanie algorytmu ewolucyjnego do eksploracji wyjątków przyspiesza przeszukiwanie
przestrzeni rozwiązań (w porównaniu do pełnego-naiwnego przeszukiwania), przy jednoczesnym
zachowaniu akceptowalnej dokładności otrzymywanych wyników.
\end{document}
