作为一个经典的组合优化问题,同时也是一个NP-hard问题,国内外对于三维装箱算法的研究已经持续了多年并且取得了很好的效果。为了求解这个难题,我们提出了一个带八条装载参考线的分层搜索算法,在选择块(箱子)与剩余空间时,增加了块高与剩余空间装载参考线的匹配度这一衡量标准。实验结果表明,即使在空间装载率已经达到很高水平的情况下,与目前最优算法相比,该算法在小部分数据集上还是有所突破。作为另一个NP-hard问题,车辆路径问题在物流行业具有重要的地位。我们将带八条装载参考线的分层搜索算法运用到结合了三维装箱问题和车辆路径问题的3L-CVRP中。针对易碎品和稳定性等约束,考虑了多种不同的剩余空间类型和放置箱子时的位置情况。在满足三维装载约束的基础上,通过使用邻域搜索与禁忌搜索算法来构造近似最优路径方案。实验结果表明,在最终的路径总花费上,该算法在大部分测试用例上可以超越目前已知的最优算法或与之持平。而现实生活中同时带有时间窗和三维装载约束的车辆路径问题,则更难求解。为处理这个难题,我们首先提出了一个新型三维装箱分组算法来处理装载约束,通过增加调整每个顾客内部的箱子顺序的策略,在整体上提高了三维装箱的装载效率。在此基础上,使用了禁忌搜索与人工蜂群相结合的混合算法来产生近似的最优路径。实验结果表明,提出的方法在最终的总花费、使用车辆数和运行时间的结果上,较最新的相关研究结果都有了显著的提升。