一种物资装箱配载优化的启发式算法的制作方法

1.本发明提供一种物资装箱配载优化的启发式算法，适用于物资仓储、运输环节中装箱配载方案的生成与优化，属于物流领域。


背景技术：

2.物资装箱配载，包括使用集装箱集装物资，以及利用列车、汽车等运输工具车厢配装配载方式，是军队后勤保障、现代物流中一个极为重要的环节。集装箱/车厢空间和载重利用率的提高意味着更低的运输成本、更短的运输周期和更高的资源利用率。在物资装箱配载过程中，不同规格和数量的物资依序装入具有一定容积和载重限制的集装箱/车厢内。物资的装箱顺序、在集装空间内的摆放位置和摆放状态对集装箱/车厢的空间和载重利用率具有很大影响。
3.现阶段，我国的物资装箱配载作业主要依靠人力或人工操作机器的方式完成，物资的装箱顺序、在集装箱/车厢内的布局和摆放严重依赖操作人员的经验，常导致集装箱/车厢载重和空间利用率较低。据统计，一个标准陆运和海运集装箱的利用率一般为60％-80％。集装箱内物资的总质量和体积远小于集装箱的额定载重和体积导致集装箱的利用率低，从而降低物资运输效率。如何在物资实际装入集装箱/车厢前，根据物资的几何尺寸、质量、数量、装载约束等信息，优化物资的装箱顺序、在集装箱/车厢内摆放位置和摆放状态，提高单个集装箱/车厢的利用率，从而减少装载一定数量物资所需要的集装箱/车厢个数，是降低物流成本、缩短物资运输周期、提高物资运输总效率的重要问题，具有重要的理论和实用价值。
4.物资装箱过程属于组合优化问题中的np-hard问题，需要对几何约束、重量约束、旋转约束等多种约束条件进行求解。三维装箱问题可分为两大类：输入最小化装箱问题和输出最大化装箱问题。前者指将所有物资装入容器(如集装箱)内，要求最小化所需的容器数量；后者指容器规格和数量一定，将部分物资装入容器内，最大化装入物资的价值(亦或质量和体积)。
5.三维装箱算法的研究从最早的纯数学精确算法开始，但集装箱和物资数量的增加会引起组合空间爆炸，导致精确算法的求解相当困难。近年来，启发式算、智能算法及组合算法是国内外研究热点。启发式物资装载规划算法由一些列基于人工装载经验的规则组成，这些规则包括物资选择规则、物资码放规则、空间管理规则、重心调整规则等。该算法的计算结果往往是问题的近似最优解。人工智能法由模型及其求解算法组成。人工智能法的模型形式既包括线性规划模型等常用线性优化模型，又包含非线性混合整型规划模型等非线性优化模型。因此，人工智能法的优化算法需要具备处理非线性优化模型的能力。常用的人工智能算法有遗传算法、模拟退火算法、禁忌搜索算法等。采用该类算法求解三维装箱问题时，虽然具有较强的全局寻优能力，但其收敛性和搜索速度易受初始条件的影响；当问题的复杂程度较高时，单个个体的长度可能长达几千位，这无疑增加了问题求解的难度；对于约束条件的定义需要通过罚函数等方式体现在目标函数或适应值函数中，这导致罚函数或
适应值函数的定义会直接影响到算法的收敛性、计算结果的优劣性。组合算法是将两种或多种算法综合在一起，发挥它们的各自优势来解决物资装箱问题。该算法既包括同类算法之间的结合，也包含异类算法的交互组合。与数学精确算法相比，上述优化算法的计算效率较高，但优化效果具有随机性，随着集装箱/车厢和物资数量的增加上述算法的可靠性显著降低。由于大规模的物资装箱问题在实践中很常见，上述方法的现有研究成果的工程应用价值和对实际装箱过程的指导意义有限。
6.考虑到多种类大批量物资装箱问题的复杂程度高，本发明利用“物资块”的概念，将同类物资打包成质量、体积较大、几何尺寸与集装箱/车厢内部某一端面匹配度高的物资块，以降低待装箱物资的总数，提高集装箱/车厢空间利用率。此外，设置了物资块总质量和总体积阈值，以防止物资块密度过大或过小导致集装箱/车厢的空间或载重利用率过低。为提高物资与可用空间的匹配速度，提出建立物资块和可用空间数据库，其中物资数据库包含物资的端面数据等，体现了物资摆放约束，可用空间数据库包含同一可用空间的多种划分方式，避免了单一划分方式可能产生过于狭小的废弃子空间的不足。将物资的长、宽、高视为一个多目标优化问题的解，引入多目标优化问题中pareto支配的思想进行待装箱物资分组，依照组号确定装箱批次，再综合考虑物资的体积、质量、端面面积等确定组内装箱顺序，进而得到所有物资的装箱顺序。物资装入集装箱/车厢过程中，进行物资和可用空间的双向匹配和数据库更新，直至所有物资装箱完毕。该方法降低了多种类大批量物资装箱问题的复杂程度，具有很高的计算效率，同时保持了较高的集装箱/车厢空间和载重利用率。


技术实现要素：

7.本发明目的在于解决现有装箱算法在计算效率和稳定性方面的不足，提供一种多种类大批量物资装入长方体式的集装箱/车厢过程的启发式优化算法，该方法框架简单、计算效率高、装箱效果好、稳定性好，能够在短时间内得到合理的装箱方案，有助于提高装箱效率和集装箱利用率。
8.首先对装箱问题进行定义：给定一种集装箱/车厢若干个(数量充足)，其内部尺寸为l
×w×
h(单位：m)，额定载重t(单位：kg)，不允许超载；有m0种物资待送往某一地点，第m(m＝1,
…
,m0)种物资的数量为n
0,m
，规格为l
0,m
×w0,m
×h0,m
(单位：m)，质量为t
0,m
，在集装箱/车厢内的允许摆放方向为s
0,m
(s
0,m
为运行摆放方向的集合)；运输物资的总成本用所需的集装箱/车厢数量衡量，运输成本最低对应的集装箱/车厢个数最少。
9.本发明采用如下技术方案：
10.(1)导入数据，装箱前预处理：导入的数据包括集装箱/车厢的内部尺寸、额定载重、各类物资的数量、几何尺寸、质量、允许摆放方向等；根据物资的总质量和总体积，预估所需集装箱/车厢的数量n0及装入物资后集装箱/车厢的平均密度q0，分别为
[0011][0012][0013]
装箱前物资数据的预处理包括以下子步骤：
[0014]
(1.1)将同种类物资打包成若干个长方体物资“块”：以最大化集装箱/车厢l
×
w面利用率为目标函数，将第m类物资打包成若干个长方体物资“块”；类似地，分别得到与l
×
h面和w
×
h面相对应的打包方案；比较三种方案的集装箱/车厢端面利用率，确定第m类物资的打包方案。当第m类物资的密度大于2q0时，设置物资块的最大质量约束(≤0.5t)；当第m类物资的密度小于0.5q0时，设置物资块的最大体积约束(≤0.5l
·w·
h)。
[0015]
为叙述方便，定义打包后的物资有m种，第m(m＝1,
…
,m)种物资的数量为nm，规格为lm×
wm×hm
(单位：m)，质量为tm，在集装箱/车厢内允许的摆放方向为sm。将l
×
w面、l
×
h面和w
×
h面统称为集装箱/车厢端面，将lm×
wm面、lm×hm
面和wm×hm
面统称为物资端面。
[0016]
(1.2)根据物资的几何尺寸、允许摆放方向，建立物资端面数据库，该数据库包含3个子数据库，分别存储可以与集装箱/车厢l
×
w面、l
×
h面和w
×
h面相平行的物资端面数据，分别称为l
×
w面子数据库、l
×
h面子数据库和w
×
h面子数据库。例如：若某物资可以以任意方向摆放，则所建立的3个子数据库均需包含该物资的3个端面；若某物资的wm×hm
面只能与集装箱/车厢的w
×
h面平行，则该物资的wm×hm
面只能保存至w
×
h面子数据库中，l
×
w面子数据库不包含wm×hm
面但包含lm×
wm面和lm×hm
面，l
×
w面子数据库亦然。
[0017]
初始化可用空间数据库。可用空间数据库只能包含一个空集装箱/车厢空间(即l
×w×
h长方体空间)，当该空间装入某物资后，数据库自动增加一个l
×w×
h空间，即集装箱/车厢数量充足。
[0018]
(2)根据物资的几何尺寸(长、宽、高)、质量等参数，确定物资的装箱顺序。
[0019]
(2.1)根据各个物资的长、宽、高，对待装箱物资和物资块分组，根据组号由小到大确定不同物资的装箱批次。
[0020]
第1组物资集用g1表示，g1按如下方法确定：如果不存在物资m’(m’＝1,
…
,m且m’≠m)使如下不等式组成立，
[0021][0022]
则物资m属于物资集g1。剔除g1中所有已分组的物资后，对剩余未分组物资应用上述方法，确定第2组物资集g2；其余以此类推，直至所有物资均被分组，得到n组物资。
[0023]
(2.2)各物资组内部装箱顺序为：体积大的物资先装箱；体积相等情况下，最大端面面积大的物资先装箱；体积和最大端面面积均相等情况下，最长边大的物资先装入；几何尺寸相同的物资，质量大的物资先装箱；几何尺寸和质量完全相同的物资随机安排装箱顺序。
[0024]
(3)将物资逐个装入集装箱/车厢内，具体装箱方法如下：
[0025]
(3.1)物资匹配可用空间：基于物资端面数据库，将端面尺寸与某一可用空间端面尺寸完全匹配的待装入物资装入该可用空间内；新的物资装入集装箱/车厢后，分别采用“前-右(或左)-上”和“右(或左)-前-上”的顺序划分装入物资的空间，并进行可用空间合并，可用空间数据库同时保存两种划分结果；更新物资端面数据库。
[0026]
(3.2)重复步骤(3.1)，直至不存在与可用空间端面尺寸完全匹配的物资。
[0027]
(3.3)可用空间匹配物资：选择排序最靠前的待装物资，称该物资为当前待装入物资；将当前待装入物资装入能够容纳该物资的“最优”可用空间内；通过空间划分和合并，更
新可用空间数据库；更新物资端面数据库。
[0028]“最优”可用空间指同时满足如下条件的可用空间：能够容纳当前待装入物资；能够最大化端面面积利用率；端面面积利用率相同时选择体积利用率大的可用空间。
[0029]
(4)重复步骤(3)，直至所有物资均装入集装箱/车厢内。
[0030]
本发明的有益效果为：在多种类大批量物资的装箱问题中，将同类物资打包成较大的长方体物资块，大幅减少待装箱物资的个数；通过引入多目标优化问题中pareto支配的概念，综合考虑待装箱物资的长、宽、高、质量等因素确定物资的装箱顺序，避免“小”物资先装箱，提高集装箱/车厢利用率；同时采用“前-右(或左)-上”和“右(或左)-前-上”方式划分可用空间，降低产生过于狭小的废弃子空间的概率，提高集装箱/车厢利用率；通过建立物资端面数据库和可用空间数据库，提高物资和可用空间的匹配速度及装箱过程优化算法的计算效率。
附图说明
[0031]
图1物资装箱配载过程的流程图；
[0032]
图2第1类物资对集装箱w
×
h面、l
×
h面和l
×
w面的最优打包方案；
[0033]
图3可用空间划分示意图。
具体实施方式
[0034]
为使本发明的技术方案和优点更加清楚，下面结合附图和具体实施例对本发明作进一步详细说明。该例以物资装入集装箱作相关说明，对于装入列车、汽车等车厢配载过程与此同理。
[0035]
本发明是一种基于启发式算法的物资装箱配载优化算法，能够应用于涉及多种类、大批量物资装入集装箱/车厢过程的场景，如物资运输、配送等。在实际应用中具有很高的计算效率和鲁棒性。
[0036]
如图1所示，本发明实施例将多种类大批量物资装入集装箱/车厢的具体流程如下：
[0037]
(1)导入数据，装箱前预处理。
[0038]
(1.1)导入的数据包括集装箱的内部尺寸、额定载重、各类物资的数量、尺寸、质量等。导入的集装箱和物资数据见表1、表2。
[0039]
表1
[0040]
长l(m)宽w(m)高h(m)额定载重(kg)5.852.232.152.05
×
104[0041]
表2
[0042]
物资种类123456789101112长(m)0.730.630.530.550.490.460.430.410.400.380.350.33宽(m)0.490.530.460.370.470.450.330.410.310.300.290.28高(m)0.590.590.460.350.390.380.370.340.340.320.310.29质量(kg)1693054183338445775683026数量130112155142277375273313300430510500
[0043]
(1.2)预估所需的集装箱数量n0及装入物资后集装箱的平均密度q0。根据各类物资的尺寸、质量和数量计算所有物资的总质量和体积分别为1.70
×
105kg、221.8m3，由此可根据公式(1)和公式(2)预估所需集装箱数量n0＝9及装入物资后集装箱的平均密度q0≈670kg/m3。
[0044]
(1.3)将各类物资打包成若干个长方体物资“块”：根据待装物资的尺寸和质量计算各个物资的体积和密度，如表3所示。
[0045]
表3
[0046][0047]
以最大化集装箱w
×
h面利用率为目标函数，以打包后物资块能够装入集装箱内为体积约束，以物资块质量小于等于集装箱额定载重为质量约束，采用枚举法确定第1类物资对w
×
h面的最优打包方案，如图2和表4所示；如此反复，可以分别确定第1类物资对l
×
h面和l
×
w面的最优打包方案，如表4所示。比较3种方案，对l
×
h面方案为第1类物资的最优打包方案。
[0048]
表4
[0049][0050]
类似地，可以确定其他种类物资的打包方案，如表5所示。
[0051]
表5
[0052][0053]
应当注意的是，第2、4类物资的密度小于0.5q0，优化打包方案时将其体积上限设置为0.5l
·w·
h；第9、10类物资的密度大于2q0，确定其打包方案时将质量上限设置为0.5t。
[0054]
(1.4)建立物资端面数据库。物资端面数据库包含3个子数据库，单独存储各个物资可以与集装箱l
×
w面、l
×
h面和w
×
h面相平行的物资端面数据，分别称为l
×
w面子数据库、l
×
h面子数据库和w
×
h面子数据库。
[0055]
(1.5)初始化可用空间数据库。可用空间数据库用于存储各可用空间左-下-右底角的坐标及可用空间在长、宽、高方向尺寸。初始的可用空间数据库只包含一个空集装箱空间，并规定空集装箱装入物资后，数据库自动增加一个新的空集装箱空间。
[0056]
(2)根据物资的几何尺寸(长、宽、高)、质量等，确定物资的装箱顺序。打包后待装箱物资的数据如表6所示。打包后物资的种类虽然增加，但待装箱物资数量大幅减少。
[0057]
表6
[0058]
物资长(m)宽(m)高(m)质量(kg)数量10.730.490.591693420.630.530.59304030.530.460.46541140.550.370.35183450.490.470.39333360.460.450.38385070.430.330.3744380.410.410.34575890.400.310.347562100.380.300.326852110.350.290.313020120.330.280.292620
135.841.771.961.62
×
1041145.671.182.122.16
×
1031155.521.382.127.78
×
1031161.652.222.101.94
×
1031175.851.881.967.92
×
1031185.851.841.909.88
×
1031195.850.461.902.47
×
1031202.972.222.151.19
×
1041215.781.232.051.45
×
1041225.782.170.408.93
×
1032235.760.382.108.57
×
1033245.801.242.101.44
×
1041255.801.121.981.25
×
10
41[0059]
待装箱的m种物资中，当m取14,15,16,17,18,19,20,22,24时，不存在m’≠m使公式(3)成立，因此第14,15,16,17,18,19,20,22,24种物资第1批次装入集装箱；再根据体积、最大端面面积、最长边、质量优先顺序，确定第1批次装箱物资的装箱顺序为17,18,15,24,14,20,16,19,22。剔除第1批次装箱物资后，重复上述步骤，依次确定第2,3,4,
……
批次装入集装箱的物资及各批次的装箱顺序，如表7所示。
[0060]
表7
[0061]
批次装箱顺序117,18,15,24,14,20,16,19,22213,25,21,2331,243,5,45668,7798109111012
[0062]
(3)将待装箱物资块逐个装入集装箱内，装入流程为：
[0063]
(3.1)将可用空间按体积从小到大排列，令i＝1；
[0064]
(3.2)若第i个可用空间已经与物资端面数据库进行匹配，i＝i+1，重新执行步骤(3.2)；否则，将l
×
w面子数据库内搜索与第i个可用空间l
×
w端面完全匹配的端面，并确定对应物资；若匹配到1个能够装入的物资，则将其装入第i个可用空间，并转到步骤(3.5)；若匹配到多个能够装入的物资，则以装入物资总体积最大化为目标，采用枚举法确定装入物资类型和数量，并转到步骤(3.5)；否则，转到步骤(3.3)；
[0065]
(3.3)将l
×
h面子数据库内搜索与第i个可用空间l
×
h端面完全匹配的端面，并确定对应物资；若匹配到1个能够装入的物资，则将其装入第i个可用空间，并转到步骤(3.5)；
若匹配到多个能够装入的物资，则以装入物资总体积最大化为目标，采用枚举法确定装入物资类型和数量，并转到步骤(3.5)；否则，转到步骤(3.4)；
[0066]
(3.4)将w
×
h面子数据库内搜索与第i个可用空间w
×
h端面完全匹配的端面，并确定对应物资；若匹配到1个能够装入的物资，则将其装入第i个可用空间，并转到步骤(3.5)；若匹配到多个能够装入的物资，则以装入物资总体积最大化为目标，采用枚举法确定装入物资类型和数量，并转到步骤(3.5)；否则，i＝i+1并转到步骤(3.6)；
[0067]
(3.5)更新物资端面数据库：删除物资端面数据库中与新装箱物资相对应的数据；更新可用空间数据库：按照图3所示删除部分可用空间、合并及划分可用空间。
[0068]
(3.6)若i大于可用空间数据库中可用空间个数，转到步骤(3.7)；否则，转到步骤(3.1)；
[0069]
(3.7)选择排序最靠前的待装物资，将其装入同时满足如下条件的可用空间：能够容纳当前待装入物资；能够最大化端面面积利用率；端面面积利用率相同时选择体积利用率大的可用空间。
[0070]
(3.8)按照步骤(3.5)更新物资端面数据库和可用空间数据库。
[0071]
(4)重复步骤(3)，直至所有物资均装入集装箱内。
[0072]
最后应说明的是：以上实施例的目的仅是用于使本发明的技术方案更清楚，而非对本发明的限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

技术特征：
1.一种物资装箱配载优化的启发式算法，其特征在于，对装箱问题进行定义：给定数量充足的一种集装箱或车厢，其内部尺寸为l
×
w
×
h，l为物资长度，w为物资宽度，h为物资高度，额定载重t；有m0种物资待送往某一地点，第m种物资的数量为n
0,m
，规格为l
0,m
×
w
0,m
×
h
0,m
，质量为t
0,m
，其中m＝1,
…
,m0；在集装箱或车厢内的允许摆放方向为s
0,m
，s
0,m
为运行摆放方向的集合；运输物资的总成本用所需的集装箱或车厢数量衡量，运输成本最低对应的集装箱/车厢个数最少。2.根据权利要求1所述的一种物资装箱配载优化的启发式算法，其特征在于，对装箱问题具体装箱过程如下：步骤1：导入数据，装箱前预处理：导入的数据包括集装箱/车厢的内部尺寸、额定载重、各类物资的数量、几何尺寸、质量、允许摆放方向等；根据物资的总质量和总体积，预估所需集装箱或车厢的数量n0及装入物资后集装箱或车厢的平均密度q0，分别为：，分别为：装箱前物资数据的预处理包括以下子步骤：a)将同种类物资打包成若干个长方体物资块：以最大化集装箱或车厢l
×
w面利用率为目标函数，将第m类物资打包成若干个长方体物资块；类似地，分别得到与l
×
h面和w
×
h面相对应的打包方案；比较三种方案的集装箱/车厢端面利用率，确定第m类物资的打包方案；当第m类物资的密度大于2q0时，设置物资块的最大质量约束，物资块的最大质量≤0.5t；当第m类物资的密度小于0.5q0时，设置物资块的最大体积约束，物资块的最大体积≤0.5l
·
w
·
h；为叙述方便，定义打包后的物资有m种，第m种物资的数量为n
m
，规格为l
m
×
w
m
×
h
m
，质量为t
m
，在集装箱/车厢内允许的摆放方向为s
m
，其中m＝1,
…
,m；将l
×
w面、l
×
h面和w
×
h面统称为集装箱或车厢端面，将l
m
×
w
m
面、l
m
×
h
m
面和w
m
×
h
m
面统称为物资端面；b)根据物资的几何尺寸、允许摆放方向，建立物资端面数据库：该数据库包含3个子数据库，分别存储可以与集装箱/车厢l
×
w面、l
×
h面和w
×
h面相平行的物资端面数据，分别称为l
×
w面子数据库、l
×
h面子数据库和w
×
h面子数据库；初始化可用空间数据库，只能包含一个空集装空间，即l
×
w
×
h长方体空间；当该空间装入某物资后，数据库自动增加一个l
×
w
×
h空间，即集装箱或车厢数量充足；步骤2：根据物资的长、宽、高、质量等参数，确定物资的装箱顺序；步骤3：将物资逐个装入集装箱或车厢内，具体装箱方法如下：a)物资匹配可用空间：基于物资端面数据库，将端面尺寸与某一可用空间端面尺寸完全匹配的待装入物资装入该可用空间内；新的物资装入集装箱/车厢后，分别采用前、右、上或前、左、上的顺序以及右、前、上或左、前、上的顺序划分装入物资的空间，并进行可用空间合并，可用空间数据库同时保存两种划分结果；更新物资端面数据库；b)重复步骤a)，直至不存在与可用空间端面尺寸完全匹配的物资；
c)可用空间匹配物资：选择排序最靠前的待装物资，称该物资为当前待装入物资；将当前待装入物资装入能够容纳该物资的最优可用空间内；通过空间划分和合并，更新可用空间数据库；更新物资端面数据库；步骤4：重复步骤3，直至所有物资均装入集装箱或车厢内。3.如权利要求2所述的一种物资装箱配载优化的启发式算法，其特征在于：在装箱前预处理阶段，根据集装箱或车厢的内部尺寸、额定载重，将几何尺寸完全相同的物资打包成物资块；优化装箱时，视各个物资块为一个整体。4.如权利要求2所述的一种物资装箱配载优化的启发式算法，其特征在于：引入多目标优化问题中的pareto支配思想，根据各个物资的长、宽、高，对待装箱物资和物资块分组，根据组号由小到大确定不同物资的装箱批次；第1组物资集用g1表示，g1按如下方法确定：如果不存在物资m’(m’＝1,
…
,m且m’≠m)使得如下不等式组成立，则物资m属于物资集g1；剔除g1中所有已分组的物资后，对剩余未分组物资应用上述方法，确定第2组物资集g2；其余以此类推，直至所有物资均被分组，得到n组物资；各物资组内部装箱顺序为：体积大的物资先装箱；体积相等情况下，最大端面面积大的物资先装箱；体积和最大端面面积均相等情况下，最长边大的物资先装入；几何尺寸相同的物资，质量大的物资先装箱；几何尺寸和质量完全相同的物资随机安排装箱顺序。5.如权利要求2所述的一种物资装箱配载优化的启发式算法，其特征在于：在启动装箱算法前，建立包含3个子数据库物资的端面数据库，分别用于存储可以与集装箱/车厢l
×
w面、l
×
h面和w
×
h面相平行的物资端面数据；装箱配载过程中更新端面尺寸数据库。6.如权利要求2所述的一种物资装箱配载优化的启发式算法，其特征在于，建立并在线更新可用空间数据库：新的物资装入集装箱或车厢后，分别采用前、右、上或前、左、上的顺序以及右、前、上或左、前、上的顺序划分装入物资的空间，并进行可用空间合并，可用空间数据库同时保存两种划分结果。7.如权利要求2所述的一种物资装箱配载优化的启发式算法，其特征在于：启动装箱算法后，采用可用空间匹配物资和物资匹配可用空间两种方式将物资逐个装入集装箱或车厢。8.如权利要求2所述的一种物资装箱配载优化的启发式算法，其特征在于：步骤3中最优可用空间指同时满足如下条件的可用空间：能够容纳当前待装入物资；能够最大化端面面积利用率；端面面积利用率相同时选择体积利用率大的可用空间。

技术总结
本发明提供了一种框架简单、计算效率高、稳定性好的物资装箱配载优化算法。针对军事后勤保障、现代物流等涉及多种类、大批量物资如何装入集装箱或列车、汽车车厢等问题，通过优化物资装箱顺序及物资在集装箱/车厢内的布局、配载，有效提高集装箱/车厢的利用率和装箱效率。在本发明的算法中，将同一种类物资打包成长方体物资(块)，大幅减少待装箱物资的个数；引入多目标优化问题中的Pareto思想，确定物资的装箱批次及装箱顺序；通过建立物资端面数据库和可用空间数据库，提高物资和可用空间的匹配效率；采用不同方式划分可用空间，降低产生狭小的废弃空间的概率，有助于提高装箱效率和集装箱/车厢利用率。率和集装箱/车厢利用率。率和集装箱/车厢利用率。


技术研发人员：刘勤 刘英 周泓 姬广振 钱云鹏 涂宏茂 张侦英
受保护的技术使用者：中国兵器科学研究院
技术研发日：2023.05.09
技术公布日：2023/8/14