[发明专利]一种基于混合算法的货物三维装箱方法

说明书

本发明提供了一种基于混合算法的货物三维装箱方法，本发明实施例提供的一种基于混合算法的货物三维装箱方法，通过遗传算法将个体货物基因块进行选择、交叉、变异等运算后，相互拼接在一起，形成适应度更高的简单块和复合块，充分利用了遗传算法简单、通用、鲁棒性强、适用于并行处理的特性，对个体货物的初步拼接进行了最优化处理。采用树搜索算法对由基因算法得出的可行块的数据列表进行搜索，寻找适配的简单块和/或复合块填充于子空间，可以同时满足方向性约束、稳定性约束、完全切割约束；尤其当箱子种类数量较多时，采用树搜索算法能够使得装箱率有显著提高。

技术领域

本发明涉及物流运输技术领域，具体涉及一种基于混合算法的货物三维装箱方法。

背景技术

装箱问题是复杂的离散组合最优化问题。所谓组合优化,是指在离散的、有限的数学结构上,寻找一个满足给定条件,并使其目标函数值达到最大或最小的解。一般来说,组合优化问题通常带有大量的局部极值点,往往是不可微的、不连续的、多维的、有约束条件的、高度非线性的典型的NP困难问题，即不存在多项式时间复杂度的算法保证能找到问题的最优解，用传统的精确搜索技术求解此类问题，会产生“组合爆炸”现象。随着优化问题规模的不断增大，决策变量取值的不同组合量、可行解数量以及寻找最优解时需要考虑的组合量也会迅速大幅度增加，且往往是以指数形式增加，最终导致无法从中找到最优解。因此只能采用优化方法来逼近最优解。

装箱问题广泛存在于工业领域，涉及到工业生产的方方面面，包括运输业的集装箱业务，材料制作业的切割任务，工厂的运输业等。随着我国电子商务的迅速发展，物流运输业的规模越来越大，装箱问题在商业活动中越来越受重视。物流配送中的单箱多订单问题属于三维装箱问题，通过研究如何优化货物摆放来提高集装箱的空间利用率，解决三维装箱问题的算法不仅能降低货物运输成本，还能充分利用运输能力，在减少材料损耗、增加社会经济效益等方面具有重要意义。

近年来，涌现出许多解决装箱问题的算法，根据算法可以分为以下三类：一是经典启发式算法。经典启发式算法又可以概括为两种方式，一种为构造法，即从一个空的方案逐步生成一个完全的装载方案；另一种为提升法，即首先生成一个的装载方案，再不断地优化提升该方案。二是元启发式算法。元启发式算法包括禁忌搜索、模拟退火、遗传算法、贪婪随机自适应等方法。三是树搜索算法，是一种初始化算法。

然而前述单一的算法存在很难跳出局部最优解、或者效率和准确率不高等问题，并不能使三维装箱问题得到很好的解。实践证明，采用混合算法才更适用于解决实际问题。为解决单箱多订单的物流配送问题，迫切地需要研究基于混合算法的三维装箱方法，以更接近解决货物三维装箱问题的最优解。

发明内容

本发明的目的是提供了一种基于混合算法的货物三维装箱方法，用于解决现有技术中单一算法只能做到局部最优解、整体装箱效率和准确率不高等技术问题。该目的是通过以下技术方案实现。

本发明提供了一种基于混合算法的货物三维装箱方法，采用以下步骤实施：

步骤一，采集集装箱的参数，即集装箱箱体的长、宽、高；

步骤二，采集待装箱货物的参数，即货物的长、宽、高及数量；

步骤三，采用二次装箱模式，根据待装箱货物规格及数量划分子空间，初始化子空间集合；

步骤四，判断剩余空间是否为空，如果判断结果为“是”，则转入装箱子模块；如果判断结果为“否”，则继续下一步；

步骤五，判断是否仍有未装载货物，如果判断结果为“是”则继续下一步；如果判断结果为“否”，则转入装箱子模块；

步骤六，在剩余子空间中搜索剩余空间，使用树搜索算法搜索是否有可行块，如果搜索结果为“是”，则进行下一步；如果搜索结果为“否”，则输出结果；

步骤七，判断是否还有货物满足新的剩余空间，如果判断结果为“是”，则产生新的剩余空间并更新数据，输出结果；如果判断结果为“否”，则直接输出结果。

进一步地，所述装箱子模块采用以下步骤：