三维装箱-程序

1、基于遗传模拟退火算法的三维装箱问题研究从计算复杂性理论来讲,装箱问题是一个NP难题,很难精确求解。目前的求解方法主要是一些近似算法,如NF(NextFit)近似算法、FF(FirstFit)近似算法、FFD(FirstFitDecreasing)近似算法等。近似算法的求解结果与物品的体积数据有较大关系,有时在极端情况下的求解结果很不理想。本文以三维离线装箱问题为研究对象，利用遗传算法和模拟退火算法集成的思路对该问题进行求解，并编写程序代码在 Matlab 环境下进行实现。1、 问题描述假设有一批待装货物,它们有多种货物种类,每种货物的尺寸重量是不同的,对一尺寸己知的集装箱进行装载。这里所面临的

2、问题是在满足一定约束的条件下,需要找到一种装箱方案进行装载,能够得到一种最佳的装载效果,这里指的是空间容积率最高或者载重利用率达到最高。2、 优化模型优化模型中的目标函数值可以评价装箱方案的优劣，本文考虑待装箱子的空间利用率最大以及所使用箱子数目最小，目标函数规定为：其中：m 为所使用的箱子数目，Cmax为一个足够大的常数，在本文中取为1000，以保证Cmax/m为大于 1 的正数，后一项为箱子的空间利用率，u为装箱方案违背约束条件时的处罚值。注：帮人代写matlab程序，有问题请咨询qq：部分代码如下：% Use: 遗传模拟退火算法主程序% 输入变量（可修改量）： Box：箱子的属性% Ca

3、rgo：货物的属性% order：要求货物的装载次序% % % 输出： bestLoadOrder:具体装箱% author： 怡宝2号clc; clear; close all; tic % 数据录入 % Box=2.33 1.78 2.197 5000; % 货箱数据 长，宽，高，限重% Cargo=0.94 0.68 0.39 0. 270.5 6;0.81 1.02 0.6 0. 896 2;. % 0.81 1.02 0.70 0. 868 4;0.73 0.69 0.80 0.40296 240 2;. % 1.20 0.72 0.72 0. 280 2;1.10 0.84 0.2

4、6 0.24024 80 1;. % 0.80 0.74 0.72 0. 180 1;1.60 1.07 0.75 1.28400 774 12;. % 1.19 1.11 1.08 1. 960 11;1.19 1.11 0.9 1.18810 800 10;. % 1.40 1.16 1.20 1. 420 8;0.82 0.37 0.18 0.54612 40 5; % 货物数据 %长度（m） 宽度（m） 高度（m） 体积（m3） 重量（kg） 数量order=6,3,11,7,8,5,1,2,4,9,10,12;cmax=300; %所使用的箱子数参数% save Box Box %

5、save Cargo Cargo % toc % 模拟退火参数 tic T=100; % 初始温度 Tend=1e-3; % 终止温度 L=5; % 各温度下的迭代次数（链长） q=0.8; %降温速率 G=100;% 遗传参数 Pc=0.9; %交叉概率 Pm=0.05; %变异概率 popsize=20;retain=10;GGAP=0.9; %代沟 % 加载数据 load Box load Cargo % N=size(Cargo,1); % 待装箱类别数 for i=1:popsize chrom(i,:)=randperm(N); %随机产生一个装箱顺序 endfor i=1:pop

6、size tempchrom=chrom(i,:); RestSpace,LoadOrder=IniOrder(tempchrom,Box,Cargo); fitness(i)=FitFun(cmax,RestSpace,LoadOrder,Box,tempchrom,order); endfitness=fitness; % 计算迭代的次数 Time Time=ceil(double(solve(1000*(0.8)x=,num2str(Tend); %solve(1000*(0.8)x=1e-3)这样也可以count=0; %迭代计数 Obj=; %目标值矩阵初始化 track=; %每代

7、的最优路线矩阵初始化 bestchrom=;% 迭代 while TTend count=count+1; %更新迭代次数 temp=; temp index=sort(fitness,descend); chrom=chrom(index,:); chromone=chrom(1:retain,:); fitnessone=temp(1:retain,:); chromtwo=chrom(retain+1:end,:); % 交叉操作 SelCh=Recombin(chromtwo,Pc); % 变异 SelCh=Mutate(SelCh,Pm); tempchrom=; for i=1:s

8、ize(SelCh,1) tempchrom=SelCh(i,:); RestSpace,LoadOrder=IniOrder(tempchrom,Box,Cargo); fitnesstwo(i,:)=FitFun(cmax,RestSpace,LoadOrder,Box,tempchrom,order); end for k=1:L % 产生新解 for j=1:(popsize-retain) newchrom(j,:)=randperm(N); end tempchrom=; for i=1:(popsize-retain) tempchrom=newchrom(i,:); RestSpace,LoadOrder=IniOrder(tempchrom,Box,Cargo); newfitness(i,:)=FitFun(cmax,RestSpace,LoadOrder,Box,tempchrom,order); end newfitness=G-newfitness; for i=1:(popsize-retain) if newfitness(i,:)fitnesstwo SelCh(i,:)=newchrom(i,:); fitnesstwo(i,:)=G-newfitness(i,:); elseif e