物流系统中的配送调度问题一直是物流管理人员以及物流管理领域研究人员关心的热门问题,如何能够有效地利用运输工具的载运量是提高运输效率,降低物流成本的关键环节之一,学术界将这个问题归结为“一维装箱问题”,该问题的研究成果在现实中有着广泛的应用。本文从实际出发,展开一维装箱问题的研究,最后重点研究了二维装箱问题,二维装箱问题在切割问题(如木材和玻璃的切割),服装裁剪,装运问题,电路板设计问题,排版问题等方面有着重要的应用。 由于装箱问题的自身的复杂性决定了精确求解是很困难的,在很多情况下,精确求解也是不必要的,因此研究的重点一般在于如何尽快的找到一个满意解。 本论文首先阐述了组合优化问题和遗传算法的基本实现机理,然后针对一维装箱问题,提出一种BF算法和遗传算法相结合的混合遗传算法,并通过实际数据的运算说明了这种方法相对于采用罚函数的遗传算法和BFD算法的优越性。 根据一维装箱问题,论文进一步延伸到二维装箱问题,二维装箱问题有很多提法,论文主要研究了条形装箱问题,笔者尝试对现有的BL算法和Fall Free算法进行分析,并提出了Improved Fall Free算法,主要提出了区间合并和最小浪费面积优先的概念,并尝试把Improved Fall Free算法和遗传算法相结合,通过对实际数据的运算,阐述了Improved Fall Free算法相对于Fall Free算法的优越性,并试图给出了原因说明。 最后论文简单讨论了三维装箱问题,它的最典型的运用就是集装箱的装箱问题,三维装箱问题实现的主要难点是重心问题,针对此问题,北方交通大学的何大勇等人提出了关于重心的数学模型,这个模型论文还没有验证,这也是论文今后要研究的主要课题。 论文中所提出的几种主要算法均通过了实际数据的验证,希望在今后的实际工作能够将其运用实践,为企业带来效益。