装箱问题，又称背包问题，涉及如何高效地利用有限空间装入物品。常见于生活中的冰箱装载，企业运作中的仓库、运输等领域。解决这类NP难问题通常采用启发式算法，如贪婪、蚁群、禁忌搜索等。装箱问题分为一维、二维、三维及多维，二维装箱关注最小废料面积，三维装箱涉及长宽高，多维则综合更多因素。通过优化，装箱率可从85%提升至90~95%，如海尔的海运装箱项目节省了大量运费。
装箱问题也叫背包问题，简单来说，就是把小货物往大箱子里装，要如何才能装得多。个人常见的经历就是“装冰箱”，很有趣的现象就是常常感觉冰箱再也装不下了，但是经过一翻折腾之后又神奇的装下了。
从企业运作角度来看就是尽量让每个容器（仓库、车辆、集装箱、船等）装的尽量多，可以节约企业的费用。通常，装载率85%左右，使用装箱优化方法后，可以达到90~95%左右。海尔做过一个海运装箱的项目，节约了大量运费。日本的汽车企业也非常重视装箱问题，他们海运过来的汽车零件箱内几乎每个角落都会被填满，而且经常改进其装箱方案。
装箱问题是典型的NP难问题，一般使用启发式算法——贪婪算法、蚁群算法、禁忌搜索、遗传算法、NF(Next Fit)近似算法，FF(First Fit)近似算法、FFD（First Fit Decreasing）近似算法、BF(best Fit)、BFD(Best Fit Deceasing)等。
装箱问题可以分为一维、二维、三维、多维
最低0.47元/天 解锁文章
扫一扫
126
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
