python：关于三维装箱问题的算法研究-5

前情回顾：
python：关于三维装箱问题的算法研究-1
python：关于三维装箱问题的算法研究-2
python：关于三维装箱问题的算法研究-3
python：关于三维装箱问题的算法研究-4

---

之前的研究一直是基于组合启发式算法对货物在容器中堆叠的模拟。

演示网址， 如果打不开就是我服务器内存爆掉了，254/3年就这种效果了😂

但这种模拟不能真正的解决实际问题，只是机械的执行装载，对情况缺乏一定的判断以及判断后的处理方法。就会导致如下的情况👇：

可以看到，依赖之前的算法会导致货物堆叠参差不齐，有很多没被利用到的空隙。

基于残余空间的利用考虑，最初的想法是计算每个物件边长的最大公因数，然后把整个空间切分为按照公因数为单位一的立体小方块。

每个物件的放置其实就是对应多个立体小方块的消失。这就有点像排水法测体积，装进去一个货物，置换出一些空间。

那么，我们只需要读取一些连续的单位方块，就能确定能否放下，每次放下货物就把这些方块从列表中删除即可。

不过因货物尺寸的原因，即便是公因数也会造成这个单位方块集合非常大，一种替代的方法就是不直接生成这个集合列表，每次都对空间轴线进行遍历。

但是不管采用哪个方法，都极大的消耗计算资源，在生产过程中难以实现。

---

实际上 ，我们在装载的计算过程中，并不是所有的情况都是完全没有规则的，在不同的情况使用不同的装载方法，能使装载效率更高，且更规整。

基于这种思路，接下来结合贪婪算法和动态规划算法对问题进一步进行研究。

动态规划算法
通过拆分问题，定义问题状态和状态之间的关系，使得问题能够分别以不同的方式去解决。

承接前面的研究内容，一个货物被摆放到容器内可以用两组三维坐标表示：
(x , y , z)表示货物所落在的坐标位置，(inx , iny , inz)表示货物落在三个轴朝向的长度。

针对这两组三维数据，分别有

8种放置点所在位置考虑

（0，0，0）# 位置坐标全部为0，位置在原点
（0，0，1）# 位置坐标X轴，Y轴为0，位置在Z轴上
（0，1，0）# 位置坐标X轴，Z轴为0，位置在Y轴上
（0，1，1）# 位置坐标X轴为零，位置在OYZ面上
（1，0，0）# 位置坐标Y轴，Z轴为0，位置在X轴上
（1，0，1）# 位置坐标Y轴为0，位置在OXZ面上
（1，1，0）# 位置坐标Z轴为0，位置在OXY面上
（1，1，1）# 位置坐标全部不为0，位置在容器空间内部

6种货物朝向考虑

（l,w,h）# 侧放
（w,l,h）# 侧放旋转
（w,h,l）# 立放
（h,w,l）# 立放旋转
（l,h,w）# 躺放
（h,l,w）# 躺放旋转

贪婪算法
先忽略整体，对问题做出在当前最佳选择。得到的某种意义上的局部最优解

因为我们实际生产中，车柜容器的长度较长，相对较小的一面是宽高组成的侧面，所以最优做法是假定容器无限长，那么因为终末造成的缺损对整体可以忽略不计

既然暂时不考虑终末的缺损，那就是有限考虑把内侧每一层侧面填满，对宽高侧面填充的越密实，那么向外延伸就能把整个容器填充的密实。
又因为有时候顶部空间实在难以利用，所以我们在填充时先保证宽方向极限填充。

---

基于以上，我们就可以把问题肢解成：
在什么位置，采用什么方式，摆放什么朝向的货物，能够保证对切割出来的局部填充空间利用率最大。

如果脑力充沛，头发茂密，计算机配置优秀
也可以考虑在每步放置的位置，尝试不同的方法，选择利用率最大的，然后进行到下一步

---

原点考虑

（0，0，0）# 位置坐标全部为0，位置在原点，我们先来看在原点位置的摆放可能

……不想写了，就这样吧