CN114873003B - 装箱方法和装箱装置 - Google Patents
装箱方法和装箱装置 Download PDFInfo
- Publication number
- CN114873003B CN114873003B CN202111667737.5A CN202111667737A CN114873003B CN 114873003 B CN114873003 B CN 114873003B CN 202111667737 A CN202111667737 A CN 202111667737A CN 114873003 B CN114873003 B CN 114873003B
- Authority
- CN
- China
- Prior art keywords
- cargo
- cargoes
- goods
- boxing
- scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000012856 packing Methods 0.000 claims abstract description 173
- 238000011068 loading method Methods 0.000 claims abstract description 97
- 210000000349 chromosome Anatomy 0.000 claims description 97
- 238000004422 calculation algorithm Methods 0.000 claims description 51
- 230000002068 genetic effect Effects 0.000 claims description 40
- 238000002922 simulated annealing Methods 0.000 claims description 34
- 230000005484 gravity Effects 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 26
- 230000035772 mutation Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 15
- 239000007787 solid Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012804 iterative process Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B57/00—Automatic control, checking, warning, or safety devices
- B65B57/10—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of articles or materials to be packaged
- B65B57/14—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of articles or materials to be packaged and operating to control, or stop, the feed of articles or material to be packaged
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
Abstract
提供一种装箱方法和装箱装置。所述装箱方法包括：获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个；生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息；基于货物的装箱方案、箱体的参数和货物的参数，通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件；计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值；基于计算的适应度和多种初始的装箱方案确定最优装箱方案。
Description
技术领域
本发明涉及物流领域，更具体地讲，涉及一种装箱方法和装箱装置。
背景技术
随着物流行业的发展，使用箱体(例如，集装箱等)运输货物越来越普遍。然而，目前，箱体内部货物的装载大多依靠负责装载的工人的技能和经验，这难以处理大规模的货物或者种类较多的货物的装载。此外，箱体的容积是一定的，如何考虑货物的高质量装载对于提高物流运输效率和降低物流运输成本有着积极的现实意义。
发明内容
本发明的目的在于提供一种装箱方法和装箱装置。
在一个方法，提供一种装箱方法，所述装箱方法包括：获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个；生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息；基于货物的装箱方案、箱体的参数和货物的参数，通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件；计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值；基于计算的适应度和多种初始的装箱方案确定最优装箱方案。
可选地，所述至少一个限制条件包括箱体边界限制条件、货物非重叠限制条件、底部货物支撑平衡限制条件、非底部货物递归平衡限制条件、货物高度差限制条件、货物底面不倾斜条件和货物表面放置条件、货物最大形变条件中的至少一个。
可选地，所述多个限制条件包括箱体边界限制条件，其中，箱体边界限制条件指示：在箱体放置货物时当前货物未超出当前箱体的边界，而放置下一货物时下一货物必然超出箱体的边界，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置；判断枚举的货物的空间位置是否满足当前箱体的箱体边界限制条件；当枚举的货物的空间位置满足当前箱体的箱体边界限制条件时，根据货物的装箱方案将当前货物装入当前箱体，并将下一货物装入下一箱体，以继续执行货物的装入，直到所有货物被装入箱体。
可选地，所述多个限制条件包括货物非重叠限制条件，其中，货物非重叠限制条件指示货物之间不存在空间位置重叠的情况，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物非重叠限制条件。
可选地，所述多个限制条件包括货物支撑平衡限制条件，其中，货物支撑平衡限制条件指示货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物支撑平衡限制条件。
可选地，所述多个限制条件包括非底部货物递归平衡限制条件，其中，非底部货物递归平衡限制条件指示货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足非底部货物递归平衡限制条件。
可选地，所述多个限制条件包括货物高度差限制条件，其中，货物高度差限制条件指示预定货物之间的高度差低于预设高度差，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物之间的高度差低于预设高度差。
可选地，所述多个限制条件包括货物底面不倾斜条件，其中，货物底面不倾斜条件指示预定货物的底面不是倾斜的底面，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的底面不是倾斜的底面。
可选地，所述多个限制条件包括货物表面放置条件，其中，货物表面放置条件指示预定货物的除底面的一个或多个面不与其他货物接触，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的除底面的一个或多个面不与其他货物接触。
可选地，所述多个限制条件包括货物最大形变条件，其中，货物最大形变条件指示预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变，其中，模拟货物的装箱方案的步骤包括：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变。
可选地，基于计算的适应度和多种初始的装箱方案确定最优装箱方案的步骤包括：基于计算的适应度和多种初始的装箱方案，使用混合遗传模拟退火算法或遗传算法来确定最优装箱方案。
可选地，使用混合遗传模拟退火算法来确定最优装箱方案的步骤包括：执行种群迭代操作，其中，执行种群迭代操作包括：操作1：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行种群迭代操作中，当前种群是对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；操作2：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作、变异操作和模拟退火操作，以获得处理后的染色体；操作3：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；操作4：响应于新一代种群的种群大小未达到预定大小，返回执行操作2和操作3；操作5：响应于新一代种群的种群大小达到预定大小，通过模拟退火算法对当前的温度进行降温；判断降温后的温度是否达到终止温度；响应于降温后的温度未达到终止温度，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和种群迭代操作；响应于降温后的温度达到终止温度，保存并输出与当前种群对应的最优装箱方案。
可选地，使用遗传算法来确定最优装箱方案的步骤包括：执行种群迭代操作，其中，执行种群迭代操作包括：操作1：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行种群迭代操作中，当前种群对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；操作2：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作和变异操作，以获得处理后的染色体；操作3：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；操作4：响应于新一代种群的种群大小未达到预定大小，返回执行操作2和操作3；响应于新一代种群的种群大小达到预定大小，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和种群迭代操作预定次数；保存并输出与返回执行种群迭代操作预定次数后的种群对应的最优装箱方案。
在一个方面，提供一种装箱装置，所述装箱装置包括：参数获取单元，获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个；装箱方案生成单元，生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息；评估器，设置至少一个限制条件，并基于货物的装箱方案、箱体的参数和货物的参数，模拟货物的装箱方案，使得模拟的货物的装箱方案满足所述至少一个限制条件；适应度计算单元，计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值；最优装箱方案确定单元，基于计算的适应度和多种初始的装箱方案确定最优装箱方案。
可选地，所述至少一个限制条件包括箱体边界限制条件、货物非重叠限制条件、底部货物支撑平衡限制条件、非底部货物递归平衡限制条件、货物高度差限制条件、货物底面不倾斜条件和货物表面放置条件、货物最大形变条件中的至少一个。
可选地，所述多个限制条件包括箱体边界限制条件，其中，箱体边界限制条件指示：在箱体放置货物时当前货物未超出当前箱体的边界，而放置下一货物时下一货物必然超出箱体的边界，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置；判断枚举的货物的空间位置是否满足当前箱体的箱体边界限制条件；当枚举的货物的空间位置满足当前箱体的箱体边界限制条件时，根据货物的装箱方案将当前货物装入当前箱体，并将下一货物装入下一箱体，以继续执行货物的装入，直到所有货物被装入箱体。
可选地，所述多个限制条件包括货物非重叠限制条件，其中，货物非重叠限制条件指示货物之间不存在空间位置重叠的情况，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物非重叠限制条件。
可选地，所述多个限制条件包括货物支撑平衡限制条件，其中，货物支撑平衡限制条件指示货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物支撑平衡限制条件。
可选地，所述多个限制条件包括非底部货物递归平衡限制条件，其中，非底部货物递归平衡限制条件指示货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足非底部货物递归平衡限制条件。
可选地，所述多个限制条件包括货物高度差限制条件，其中，货物高度差限制条件指示预定货物之间的高度差低于预设高度差，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物之间的高度差低于预设高度差。
可选地，所述多个限制条件包括货物底面不倾斜条件，其中，货物底面不倾斜条件指示预定货物的底面不是倾斜的底面，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的底面不是倾斜的底面。
可选地，所述多个限制条件包括货物表面放置条件，其中，货物表面放置条件指示预定货物的除底面的一个或多个面不与其他货物接触，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的除底面的一个或多个面不与其他货物接触。
可选地，所述多个限制条件包括货物最大形变条件，其中，货物最大形变条件指示预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变，其中，评估器被配置为：基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变。
可选地，最优装箱方案确定单元被配置为：基于计算的适应度和多种初始的装箱方案，使用混合遗传模拟退火算法或遗传算法来确定最优装箱方案。
可选地，最优装箱方案确定单元被配置为：执行种群迭代操作，其中，执行种群迭代操作包括：操作1：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行种群迭代操作中，当前种群是对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；操作2：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作、变异操作和模拟退火操作，以获得处理后的染色体；操作3：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；操作4：响应于新一代种群的种群大小未达到预定大小，返回执行操作2和操作3；操作5：响应于新一代种群的种群大小达到预定大小，通过模拟退火算法对当前的温度进行降温；判断降温后的温度是否达到终止温度；响应于降温后的温度未达到终止温度，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和种群迭代操作；响应于降温后的温度达到终止温度，保存并输出与当前种群对应的最优装箱方案。
可选地，最优装箱方案确定单元被配置为：执行种群迭代操作，其中，执行种群迭代操作包括：操作1：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行种群迭代操作中，当前种群对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；操作2：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作和变异操作，以获得处理后的染色体；操作3：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；操作4：响应于新一代种群的种群大小未达到预定大小，返回执行操作2和操作3；响应于新一代种群的种群大小达到预定大小，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和种群迭代操作预定次数；保存并输出与返回执行种群迭代操作预定次数后的种群对应的最优装箱方案。
在一个方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被一个或多个计算装置执行时使得所述一个或多个计算装置实现如上任一项所述的方法。
在一个方面，提供一种包括一个或多个计算装置和一个或多个存储装置的系统，所述一个或多个存储装置上记录有计算机程序，所述计算机程序在被所述一个或多个计算装置执行时使得所述一个或多个计算装置实现如上任一项所述的方法。
在根据本发明的示例实施例的装箱方法中，由于可以通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件，并且基于每个模拟的货物的装箱方案的适应度确定最优装箱方案，因此，能够获得满足通过评估器设置的至少一个限制条件的基于适应度确定的最优装箱方案，从而可以更好地根据实际情况设计出满足装箱要求的装箱方案。
在根据本发明的示例实施例的装箱方法中，通过设置箱体边界限制条件，可以更合理地放置货物。
在根据本发明的示例实施例的装箱方法中，通过设置货物非重叠限制条件，在模拟货物的装箱方案的过程中，可尽量避免多个货物之间存在空间位置重叠的情况，从而更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物支撑平衡限制条件，在模拟货物的装箱方案的过程中，可通过使放置的货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置非底部货物递归平衡限制条件，在模拟货物的装箱方案的过程中，可通过使放置的货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物高度差限制条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间的高度差低于预设高度差，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物表面放置条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间满足货物表面放置条件，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物表面放置条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间满足货物最大形变条件，从而确保货物的安全放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过采用具有高适应度的货物的装箱方案能够提高箱体的空间利用率，从而提高物流运输效率和降低物流运输成本。
在根据本发明的示例实施例的装箱方法中，使用遗传算法和计算的适应度确定满足通过评估器设置的至少一个限制条件的装箱方案中的最优装箱方案，能够容易获得全局最优的装箱方案。
在根据本发明的示例实施例的装箱方法中，使用混合遗传模拟退火算法和计算的适应度确定满足通过评估器设置的至少一个限制条件的装箱方案中的最优装箱方案，能够在全局搜索和局部搜索中都具有较优秀的能力，最终获得最优装箱方案。
在根据本发明的示例实施例的使用混合遗传模拟退火算法来确定最优装箱方案的方法中，由于在迭代的过程中同时使用了通过评估器模拟货物的装箱方案和混合遗传模拟退火算法，因此，能更快地更好地根据实际情况迭代出全局最优的最优装箱方案。
在根据本发明的示例实施例的遗传算法来确定最优装箱方案的方法中，由于在迭代的过程中同时使用了通过评估器模拟货物的装箱方案和遗传算法，因此，能更快地根据实际情况迭代出全局最优的最优装箱方案。
将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明总体构思的实施而得知。
附图说明
通过下面结合示例性地示出一例的附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：
图1示出根据本发明的示例实施例的装箱方法的流程图。
图2示出根据本发明的示例实施例的使用混合遗传模拟退火算法来确定最优装箱方案的方法的流程图。
图3示出根据本发明的示例实施例的使用遗传算法来确定最优装箱方案的方法的流程图。
图4示出根据本发明的示例实施例的装箱装置的框图。
具体实施方式
提供以下参照附图进行的描述，以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。所述描述包括各种特定细节以帮助理解，但这些细节被认为仅是示例性的。因此，本领域的普通技术人员将认识到：在不脱离本发明的范围和精神的情况下，可对这里描述的实施例进行各种改变和修改。此外，为了清楚和简明，可省略已知功能和构造的描述。
图1示出根据本发明的示例实施例的装箱方法的流程图。
参照图1，在步骤S110中，可获取用于装入货物的箱体的参数和待装入箱体的货物的参数。箱体的参数包括但不限于箱体的长度、宽度和高度。例如，箱体的参数可用于确定将装入货物的三维空间。货物的参数包括但不限于货物的大小、重量和形状中的一个或多个。
待装入箱体的货物可以是多个货物。此外，可选地，货物的参数还可包括任意其他参数(诸如但不限于，货物是否可形变、货物是否可颠倒、货物是否可挤压等)。在一个示例中，用于装入货物的箱体的参数和待装入箱体的货物的参数可以具有JSON文件的格式。然而，上述示例仅是示例性的，本发明的用于装入货物的箱体的参数和待装入箱体的货物的参数也可以具有任意其他格式。
在步骤S120中，可生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息。
在一个示例中，可通过等式(1)表示的两段式编码来表示装箱方案。
P＝[[S1，S2，...，Sn]，[F1，F2，...，Fn]] 等式(1)
在上面的等式(1)中，P可表示装箱方案，S1、S2...Sn可表示货物1、货物2...货物n的装载顺序，F1、F2...Fn可分别表示货物1、货物2...货物n的放置方向。
可以以各种方式生成货物的多种初始的装箱方案。在一个示例中，可随机生成货物的多种初始的装箱方案。在另一个示例中，可按照预定规则(诸如，仅作为示例，先放重货物后方轻货物和/或先放体积大的货物再放体积小的货物)生成货物的多种初始的装箱方案。然而，上述示例仅是示例性的，本发明的生成货物的多种初始的装箱方案的方法不限于此，也可以是其他任意方法。
在步骤S130中，可基于货物的装箱方案、箱体的参数和货物的参数，通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件。
在一个实施例中，至少一个限制条件包括箱体边界限制条件、货物非重叠限制条件、底部货物支撑平衡限制条件、非底部货物递归平衡限制条件、货物高度差限制条件、货物底面不倾斜条件和货物表面放置条件中的至少一个。下面将对限制条件进行更具体地描述。
箱体边界限制条件可指示：在箱体放置货物时当前货物未超出当前箱体的边界，而放置下一货物时下一货物必然超出箱体的边界。也就是说，在当前货物被成功放置在当前箱体中，而继续放置下一货物时会导致下一货物必然超出箱体的边界时，可视为满足箱体边界限制条件。换言之，当满足箱体边界限制条件时，需要将下一货物放置在新的箱体(例如，空的箱体)中。因此，通过设置箱体边界限制条件，可以更合理地放置货物。
为了模拟货物的装箱方案，可首先基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置。之后，可判断枚举的货物的空间位置是否满足当前箱体的箱体边界限制条件。例如，可根据货物的空间位置的坐标与箱体的三维空间的坐标之间的关系来判断枚举的货物的空间位置是否满足当前箱体的箱体边界限制条件。例如，当枚举的货物的空间位置满足当前箱体的箱体边界限制条件时，根据货物的装箱方案将当前货物装入当前箱体，并将下一货物装入下一箱体，以继续执行货物的装入，直到所有货物被装入箱体。而当枚举的货物的空间位置不满足当前箱体的箱体边界限制条件时，根据货物的装箱方案将货物继续装入当前箱体。
货物非重叠限制条件可指示货物之间不存在空间位置重叠的情况。也就是，根据本发明的货物非重叠限制条件，在模拟货物的装箱方案的过程中，要尽量避免多个货物之间存在空间位置重叠的情况，从而更好地满足现实装箱方案中的实际情况。
为了模拟货物的装箱方案，可基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物非重叠限制条件。
货物支撑平衡限制条件可指示货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物。通常，在运输货物的过程，会由于运输装置(例如，汽车等)的颠簸而造成货物的移动，而底部货物通常又承受较大的重量，因此，容易造成底部货物的损坏。因此，根据本发明的货物支撑平衡限制条件，在模拟货物的装箱方案的过程中，可通过使放置的货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在一个示例中，当第一货物被第二货物支撑时，第一货物的重心为P1，第二货物的重心为P2，第一货物中在z轴(即，与箱体的高度对应的轴)中最低的点的坐标为S1z，第二货物中在z轴中最高的点的坐标为E2z，第二货物P2在x轴(例如，与箱体的长度和高度中的一个对应的轴)和y轴(例如，与箱体的长度和高度中的另一个对应的轴)上的范围分别为extentx、extenty，则货物支撑平衡限制条件可以通过下面的等式和不等式来确定：
P＝P2-P1 等式(2)
S1z＝E2z 等式(3)
|PX|≤extentx 不等式(4)
|Py|≤extenty 不等式(5)
在上面的等式和不等式中，P表示与重心P2的坐标和重心P1的坐标之间差对应的点，PX表示点P的x轴的坐标，Py表示点P的y轴的坐标。
在另一个示例中，当第一货物被第二货物和第三货物支撑时，第一货物的重心为P1，第二货物的重心为P2，第三货物的重心为P3，则货物支撑平衡限制条件可以通过下面的等式和不等式来确定：
PA＝P2-P1 等式(6)
PB＝P3-P1 等式(7)
PAx*PBx≤0 不等式(8)
PAy*PBy≤0 不等式(9)
在上面的等式和不等式中，PA表示与重心P2的坐标和重心P1的坐标之间差对应的点，PB表示与重心P3的坐标和重心P1的坐标之间差对应的点，PAx表示点P的x轴的坐标，PAy表示点P的y轴的坐标，PBx表示点P的x轴的坐标，PBy表示点P的y轴的坐标。
虽然上面示出了货物支撑平衡限制条件的示例，但是本发明不限于此，货物支撑平衡限制条件可以是指示货物之间的重心满足预设条件使得底部货物能够稳定地支撑其他货物的任何其他条件。
为了模拟货物的装箱方案，可基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物支撑平衡限制条件。
非底部货物递归平衡限制条件可指示货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑。通常，在运输货物的过程，会由于运输装置(例如，汽车等)的颠簸而造成货物的移动，而非底部货物通常放置在底部货物上和/或支撑其他货物，因此，容易造成非底部货物的损坏。因此，根据本发明的非底部货物递归平衡限制条件，在模拟货物的装箱方案的过程中，可通过使放置的货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在一个示例中，当第一货物被第二货物支撑、第二货物被第三货物支撑时，可将第一货物和第二货物视为一个整体货物，然后判断该整体货物和第三货物是否满足例如货物支撑平衡限制条件。可选地，当第一货物被第二货物支撑、第二货物被第三货物支撑时，可将第二货物和第三货物视为一个整体货物，然后判断该整体货物和第一货物是否满足例如货物支撑平衡限制条件。
在另一个示例中，当第一货物被第二货物支撑、第二货物被多个第三货物支撑时，可将第二货物的重量分别分配给多个第三货物，使得每个第三货物可与第二货物的部分构成一个整体货物，然后依次判断第一货物和各个整体货物之间是否满足例如货物支撑平衡限制条件。
虽然上面示出非底部货物递归平衡限制条件的示例，但是本发明不限于此，非底部货物递归平衡限制条件可指示货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑。
为了模拟货物的装箱方案，可基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足非底部货物递归平衡限制条件。
货物高度差限制条件指示预定货物之间的高度差低于预设高度差。通常，不同货物之间的高度差太大时，会导致货物之间的摆放存在不稳定性。因此，根据本发明的货物高度差限制条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间的高度差低于预设高度差，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在一个示例中，当第一货物被第二货物支撑时，第一货物在z轴中的最低的点的坐标为S1z，第二货物在z轴中最高的点的坐标为E2z，能接受的最大高度误差为diff，则货物高度差限制条件可以通过下面的不等式来确定：
S1z-E2z≤diff 不等式(10)
在另一个示例中，当第一货物和第二货物被放置在同一平面上时，第一货物在z轴中的最高的点的坐标为Sz，第二货物在z轴中最高的点的坐标为Ez，能接受的最大高度误差为diff，则货物高度差限制条件可以通过下面的不等式来确定：
Sz-Ez≤diff 不等式(11)
虽然上面示出货物高度差限制条件的示例，但是本发明不限于此，货物高度差限制条件指示预定货物之间的高度差低于预设高度差的任何其他条件。
为了模拟货物的装箱方案，可基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物之间的高度差低于预设高度差。
货物底面不倾斜条件指示预定货物的底面不是倾斜的底面。
为了模拟货物的装箱方案，可基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的底面不是倾斜的底面。
货物表面放置条件指示预定货物的除底面的一个或多个面不与其他货物接触。通常存在特定货物的一些面(例如，镜子的镜面)比较脆弱，因此，不适合与其他货物接触。因此，根据本发明的货物表面放置条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间满足货物表面放置条件，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
为了模拟货物的装箱方案，可基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的除底面的一个或多个面不与其他货物接触。
货物最大形变条件指示预定货物在被放置时被其他货物接触的表面承受的形变小于或等于该表面能够承受的最大形变。因此，根据本发明的货物表面放置条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间满足货物最大形变条件，从而确保货物的安全放置并更好地满足现实装箱方案中的实际情况。
为了模拟货物的装箱方案，可基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变。
在操作S140中，可计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值。
例如，在货物的装箱方案中，箱体的数量为n，单个箱体中的货物p所占的总体积为volumep，箱体的长宽高分别为weight、de、heigh，vi表示单个装箱方案中的第i个箱体的空间使用率，package_list是装入单个箱体的货物，则通过下面的等式(12)和(13)来计算每个模拟的货物的装箱方案的适应度F：
在步骤S150中，可基于计算的适应度和多种初始的装箱方案确定最优装箱方案。
货物的装箱方案的适应度高可表示箱体的空间使用率高。因此，可通过将具有高适应度的货物的装箱方案确定为最优装箱方案。因此，通过采用具有高适应度的货物的装箱方案能够提高箱体的空间利用率，从而提高物流运输效率和降低物流运输成本。在一个示例中，可将具有最高适应度的货物的装箱方案确定为最优装箱方案。然而，本发明不限于此，也可将适应度排名靠前的若干个装箱方案确定为最优装箱方案。
在根据本发明的示例实施例的装箱方法中，由于可以通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件，并且基于每个模拟的货物的装箱方案的适应度确定最优装箱方案，因此，能够获得满足通过评估器设置的至少一个限制条件的基于适应度确定的最优装箱方案，从而可以更好地根据实际情况设计出满足装箱要求的装箱方案。
在一个示例实施例中，可基于计算的适应度和多种初始的装箱方案，使用混合遗传模拟退火算法或遗传算法来确定最优装箱方案。
遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法可直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。因此，根据本发明的示例实施例的装箱方法，使用遗传算法和计算的适应度确定满足通过评估器设置的至少一个限制条件的装箱方案中的最优装箱方案，能够容易获得全局最优的装箱方案。
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。而混合遗传模拟退火算法可以具有遗传算法和模拟退火算法二者的优点，在全局搜索和局部搜索中都具有较优秀的能力。因此，根据本发明的示例实施例的装箱方法，使用混合遗传模拟退火算法和计算的适应度确定满足通过评估器设置的至少一个限制条件的装箱方案中的最优装箱方案，能够在全局搜索和局部搜索中都具有较优秀的能力，最终获得最优装箱方案。
下面将结合图2和图3进一步描述在混合遗传模拟退火算法来确定最优装箱方案的实施例中，执行种群迭代操作。
此外，可选地，任一装箱方案可通过可视化方法来显示。例如，可视化方法可以是基于ipyvolume库的可视化方法。最优装箱方案可被封装在相应python脚本中，可以使用plot_file(file_name,plot_title,save_file_name)来以html的形式保存该箱体的可视化结果。
图2示出根据本发明的示例实施例的使用混合遗传模拟退火算法来确定最优装箱方案的方法的流程图。
参照图2，在操作S210中，可执行种群迭代操作。种群迭代操作可包括多个操作1至5。
在操作1中，可将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存。在第一次执行种群迭代操作中，当前种群是对应于多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案。在一个示例中，预定百分比可由是10％。然而，上述示例是示例性的，本发明的预定百分比有也可以是其他百分比。
在操作2中，对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作、变异操作和模拟退火操作，以获得处理后的染色体。
选择操作可通过选择算子模拟“优胜劣汰”，适应度高的个体(即，染色体或者装箱方案)被遗传到下一代的概率较大，适应度低的算子被遗传到下一代的概率较小。常用的选择算法可以是如下面的等式(4)所示的轮盘赌选择法。
在等式4中，Pi表示个体i被遗传到下一代的概率，Fi表示个体的适应度。
交叉操作是指对两个相互配对的染色体按某种方式相互交换其部分基因(即，部分数据)，从而形成两个新的个体。常用的交叉方式包括但不限于单点交叉、双点交叉、均匀交叉和/或算术交叉。例如，随机在染色体中选择两个端点，交叉时将两条染色体该段进行交换，并将交换后重复的部分再次进行替换。为了便于理解，下面以染色体P1＝[[1,2,3,4,5],[1,2,4,3,5]]和染色体P2＝[[3,2,1,4,5],[3,2,4,1,5]]为例对交叉操作进行示例性说明，其中，P1中的[1,2,3,4,5]表示货物的装载顺序，P1中的[1,2,4,3,5]表示货物的放置方向，P2中的[3,2,1,4,5]表示货物的装载顺序，P2中的[3,2,4,1,5]表示货物的放置方向。例如，在交叉操作中，通过将染色体P1的部分[2,3,4]和染色体P2的与染色体P1的部分[2,3,4]位置相同的部分[2,1,4]进行交叉互换，可得到处理后的染色体P1＝[[1,2,1,4,5],[1,2,4,3,5]]和染色体P2＝[[3,2,3,4,5],[3,2,4,1,5]]，之后，将染色体P1的除交叉的部分外的剩余部分中的与交叉的部分重复的编码值修改为不重复，即，染色体P1最终被修改为P1＝[[3,2,1,4,5],[1,2,4,3,5]]，类似地，染色体P2最终被修改为[[1,2,3,4,5],[3,2,4,1,5]]。在上面的示例中，示出了染色体的与装载顺序对应的交叉操作，与放置方向对应的交叉操作也可以和与装载顺序对应的交叉操作类似，这里不再重复。
变异操作是指将个体染色体编码串中的某些基因座上的基因值用该基因座的其他等位基因(例如，反转的基因)来替换，从而形成一个新的个体。交叉操作与变异操作的共同配合完成了其对搜索空间的全局搜索和局部搜索，从而使遗传算法能以良好的搜索性能完成最优化问题的寻优过程。为了便于理解，下面以染色体P1＝[[1,2,3,4,5],[1,2,4,3,5]]和染色体P2＝[[3,2,1,4,5],[3,2,4,1,5]]为例对变异操作进行示例性说明，其中，P1中的[1,2,3,4,5]表示货物的装载顺序，P1中的[1,2,4,3,5]表示货物的放置方向，P2中的[3,2,1,4,5]表示货物的装载顺序，P2中的[3,2,4,1,5]表示货物的放置方向。例如，在变异操作中，可将染色体的部分进行翻转。在将染色体P1中的[2,3,4]翻转的情况下可得到变异的染色体P1＝[[1,4,3,2,5],[1,2,4,3,5]]，在将染色体P2中的[2,1,4]翻转的情况下可得到变异的P2＝[[3,4,1,2,5],[3,2,4,1,5]]。
在模拟退火操作中，每次种群迭代，形成新的染色体时，若该染色体的适应度比父代优秀，则接受该染色体。若不如父代，则按照模拟退火的策略，概率接受该染色体。
在操作3中，可判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小。也就是说，新一代种群包括适应度前预定百分比的不参与交叉和变异的染色体，因此，降低了当前种群最优解被破坏的可能性。
在操作4中，响应于新一代种群的种群大小未达到预定大小，可返回执行操作2和操作3。
在操作5中，响应于新一代种群的种群大小达到预定大小，通过模拟退火算法对当前的温度进行降温。例如，温度可以从设置的初始温度开始降温。
在执行完种群迭代操作之后，可执行操作S220(也称为操作6)。在操作S220中，判断降温后的温度是否达到终止温度。终止温度可以是预先设置的温度。
在操作S230(也称为操作7)中，响应于降温后的温度未达到终止温度，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和种群迭代操作。也就是说，在降温后的温度未达到终止温度的情况下，继续对新一代种群进行计算以获得最优装箱方案。换言之，温度的高低(例如，相对于终止温度的高低)可指示是否继续种群的迭代。
这里，通过评估器模拟货物的装箱方案的操作可以参照图1描述的通过评估器模拟货物的装箱方案的操作，计算每个模拟的货物的装箱方案的适应度的操作可以参照图1描述的计算每个模拟的货物的装箱方案的适应度的操作。因此，为了简洁，这里不再重复描述通过评估器模拟货物的装箱方案的操作和计算每个模拟的货物的装箱方案的适应度的操作。
在操作S240(也称为操作8)中，响应于降温后的温度达到终止温度，保存并输出与当前种群对应的最优装箱方案。
在根据本发明的示例实施例的使用混合遗传模拟退火算法来确定最优装箱方案的方法中，由于在迭代的过程中同时使用了通过评估器模拟货物的装箱方案和混合遗传模拟退火算法，因此，能更快地更好地根据实际情况迭代出全局最优的最优装箱方案。
图3示出根据本发明的示例实施例的使用遗传算法来确定最优装箱方案的方法的流程图。
参照图3，在操作S310中，可执行种群迭代操作。种群迭代操作可包括多个操作9至12。
在操作9中，可将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存。在第一次执行种群迭代操作中，当前种群是对应于多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案。在一个示例中，预定百分比可由是10％。然而，上述示例是示例性的，本发明的预定百分比有也可以是其他百分比。这里，最优值保存策略是指将种群中的适应度前预定百分比的染色体视为最优值进而进行保存的策略。
在操作10中，对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作和变异操作，以获得处理后的染色体。这里的选择操作、交叉操作和变异操作可以与参照图2描述的这里的选择操作、交叉操作和变异操作相同或者类似，因此不再重复类似的描述。
在操作11中，判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小。也就是说，新一代种群包括适应度前预定百分比的不参与交叉和变异的染色体，因此，降低了当前种群最优解被破坏的可能性。
在操作12中，响应于新一代种群的种群大小未达到预定大小，返回执行操作10和操作11。也就是说，在种群迭代操作中，操作12不是一定被执行，而是在新一代种群的种群大小未达到预定大小的情况下通过返回执行操作10和操作11来执行。
在操作S320(也称为操作13)中，响应于新一代种群的种群大小达到预定大小，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和种群迭代操作预定次数。这里，预定次数可以预先被设置。
这里，通过评估器模拟货物的装箱方案的操作可以参照图1描述的通过评估器模拟货物的装箱方案的操作，计算每个模拟的货物的装箱方案的适应度的操作可以参照图1描述的计算每个模拟的货物的装箱方案的适应度的操作。因此，为了简洁，这里不再重复描述通过评估器模拟货物的装箱方案的操作和计算每个模拟的货物的装箱方案的适应度的操作。
在操作S330(也称为操作14)中，保存并输出与返回执行种群迭代操作预定次数后的种群对应的最优装箱方案。
在根据本发明的示例实施例的遗传算法来确定最优装箱方案的方法中，由于在迭代的过程中同时使用了通过评估器模拟货物的装箱方案和遗传算法，因此，能更快地根据实际情况迭代出全局最优的最优装箱方案。
图4示出根据本发明的示例实施例的装箱装置的框图。
参照图4，装箱装置400可包括参数获取单元410、装箱方案生成单元420、评估器430、适应度计算单元440和最优装箱方案确定单元450。
参数获取单元410可获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个。
装箱方案生成单元420可生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息。装箱方案生成单元420生成货物的多种初始的装箱方案所采用的方法可以参照图2描述的生成货物的多种初始的装箱方案的方法。
评估器430可设置至少一个限制条件，并基于货物的装箱方案、箱体的参数和货物的参数，模拟货物的装箱方案，使得模拟的货物的装箱方案满足至少一个限制条件。至少一个限制条件已经在上面参照图2提供的描述进行了说明，这里不再重复。
适应度计算单元440可计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值。适应度的计算方法已经在上面参照图2提供的描述进行了说明，这里不再重复。
最优装箱方案确定单元450可基于计算的适应度和多种初始的装箱方案确定最优装箱方案。确定最优装箱方案的方法已经在上面参照图2至图4中的至少一个提供的描述进行了说明，这里不再重复。
以上已参照图1至图4描述了根据本发明的示例性实施例的装箱方法和装箱装置。然而，应理解的是：图1至图4中所使用的装置、系统、单元等可被分别配置为执行特定功能的软件、硬件、固件或上述项的任意组合。例如，这些系统、装置或单元等可对应于专用的集成电路，也可对应于纯粹的软件代码，还可对应于软件与硬件相结合的单元。此外，这些系统、装置或单元等所实现的一个或多个功能也可由物理实体设备(例如，处理器、客户端或服务器等)中的组件来统一执行。
此外，上述方法可通过记录在计算可读存储介质上的计算机程序来实现。例如，根据本发明的示例性实施例，可提供一计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被一个或多个计算装置执行时使得所述一个或多个计算装置实现本申请中所公开的任一方法。
例如，在所述计算机程序被一个或多个计算装置执行时使得所述一个或多个计算装置执行以下步骤：获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个；生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息；基于货物的装箱方案、箱体的参数和货物的参数，通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件；计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值；基于计算的适应度和多种初始的装箱方案确定最优装箱方案。
上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行，应注意，所述计算机程序在被运行时还可用于执行除了上述步骤以外的附加步骤或者在执行上述步骤时执行更为具体的处理，这些附加步骤和进一步处理的内容已经在参照图1到图3进行相关方法的描述过程中提及，因此这里为了避免重复将不再进行赘述。
应注意，根据本发明的示例性实施例的装箱方法和装箱装置，可完全依赖计算机程序的运行来实现相应的功能，其中，装置或系统的各个单元在计算机程序的功能架构中与各步骤相应，使得整个装置或系统通过专门的软件包(例如，lib库)而被调用，以实现相应的功能。
另一方面，当图1至图4所提及的各个单元或装置以软件、固件、中间件或微代码实现时，用于执行相应操作的程序代码或者代码段可以存储在诸如存储介质的计算机可读存储介质中，使得计算装置(如处理器)可通过读取并运行相应的程序代码或者代码段来执行相应的操作。
例如，根据本发明的实施例的一种包括一个或多个计算装置和一个或多个存储装置的系统，其中，所述一个或多个存储装置中存储有计算机程序，在所述计算机程序被所述一个或多个计算装置执行时使得所述一个或多个计算装置实现本申请中所公开的任一方法。例如，使得所述一个或多个计算装置执行以下步骤：获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个；生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息；基于货物的装箱方案、箱体的参数和货物的参数，通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件；计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值；基于计算的适应度和多种初始的装箱方案确定最优装箱方案。
具体说来，上述计算装置可以部署在服务器中，也可以部署在分布式网络环境中的节点装置上。此外，所述计算装置设备还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。计算装置设备的所有组件可经由总线和/或网络而彼此连接。
这里，所述计算装置并非必须是单个装置，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。所述计算装置还可以是集成控制计算装置或计算装置管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子装置。
用于执行根据本发明的示例性实施例的装箱方法的计算装置可以是处理器，这样的处理器可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器、微控制器或微处理器。作为示例而非限制，所述处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。处理器可运行存储在存储装置之一中的指令或代码，其中，所述存储装置还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，所述网络接口装置可采用任何已知的传输协议。
存储装置可与处理器集成为一体，例如，将RAM或闪存布置在集成电路微处理器等之内。此外，存储装置可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库计算装置可使用的其他存储装置。存储装置和处理器可在操作上进行耦合，或者可例如通过I/O端口、网络连接等互相通信，使得处理器能够读取存储在存储装置中的文件。
在根据本发明的示例实施例的装箱方法中，由于可以通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件，并且基于每个模拟的货物的装箱方案的适应度确定最优装箱方案，因此，能够获得满足通过评估器设置的至少一个限制条件的基于适应度确定的最优装箱方案，从而可以更好地根据实际情况设计出满足装箱要求的装箱方案。
在根据本发明的示例实施例的装箱方法中，通过设置箱体边界限制条件，可以更合理地放置货物。
在根据本发明的示例实施例的装箱方法中，通过设置货物非重叠限制条件，在模拟货物的装箱方案的过程中，可尽量避免多个货物之间存在空间位置重叠的情况，从而更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物支撑平衡限制条件，在模拟货物的装箱方案的过程中，可通过使放置的货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置非底部货物递归平衡限制条件，在模拟货物的装箱方案的过程中，可通过使放置的货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物高度差限制条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间的高度差低于预设高度差，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物表面放置条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间满足货物表面放置条件，从而确保货物的稳定放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过设置货物表面放置条件，在模拟货物的装箱方案的过程中，可通过使预定货物之间满足货物最大形变条件，从而确保货物的安全放置并更好地满足现实装箱方案中的实际情况。
在根据本发明的示例实施例的装箱方法中，通过采用具有高适应度的货物的装箱方案能够提高箱体的空间利用率，从而提高物流运输效率和降低物流运输成本。
在根据本发明的示例实施例的装箱方法中，使用遗传算法和计算的适应度确定满足通过评估器设置的至少一个限制条件的装箱方案中的最优装箱方案，能够容易获得全局最优的装箱方案。
在根据本发明的示例实施例的装箱方法中，使用混合遗传模拟退火算法和计算的适应度确定满足通过评估器设置的至少一个限制条件的装箱方案中的最优装箱方案，能够在全局搜索和局部搜索中都具有较优秀的能力，最终获得最优装箱方案。
在根据本发明的示例实施例的使用混合遗传模拟退火算法来确定最优装箱方案的方法中，由于在迭代的过程中同时使用了通过评估器模拟货物的装箱方案和混合遗传模拟退火算法，因此，能更快地更好地根据实际情况迭代出全局最优的最优装箱方案。
在根据本发明的示例实施例的遗传算法来确定最优装箱方案的方法中，由于在迭代的过程中同时使用了通过评估器模拟货物的装箱方案和遗传算法，因此，能更快地根据实际情况迭代出全局最优的最优装箱方案。
以上描述了本申请的各示例性实施例，应理解，上述描述仅是示例性的，并非穷尽性的，本申请不限于所披露的各示例性实施例。在不偏离本申请的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。因此，本申请的保护范围应该以权利要求的范围为准。
Claims (22)
1.一种装箱方法，所述装箱方法包括：
获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个；
生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息；
基于货物的装箱方案、箱体的参数和货物的参数，通过评估器模拟货物的装箱方案，使得模拟的货物的装箱方案满足通过评估器设置的至少一个限制条件；
计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值；
基于计算的适应度和多种初始的装箱方案确定最优装箱方案，
其中，确定最优装箱方案的步骤包括下面的操作1至操作8或者操作9至操作14，其中，操作1至操作8对应于混合遗传模拟退火算法，操作9至操作14对应于遗传算法：
操作1：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行操作1中，当前种群是对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；
操作2：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作、变异操作和模拟退火操作，以获得处理后的染色体；
操作3：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；
操作4：响应于新一代种群的种群大小未达到预定大小，返回执行操作2和操作3；
操作5：响应于新一代种群的种群大小达到预定大小，通过模拟退火算法对当前的温度进行降温；
操作6：判断降温后的温度是否达到终止温度；
操作7：响应于降温后的温度未达到终止温度，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和包括操作1至操作5的种群迭代操作；
操作8：响应于降温后的温度达到终止温度，保存并输出与当前种群对应的最优装箱方案，
操作9：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行操作9中，当前种群对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；
操作10：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作和变异操作，以获得处理后的染色体；
操作11：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；
操作12：响应于新一代种群的种群大小未达到预定大小，返回执行操作10和操作11；
操作13：响应于新一代种群的种群大小达到预定大小，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和包括操作9至操作12的种群迭代操作预定次数；
操作14：保存并输出与返回执行种群迭代操作预定次数后的种群对应的最优装箱方案。
2.如权利要求1所述的装箱方法，其中，所述至少一个限制条件包括箱体边界限制条件、货物非重叠限制条件、底部货物支撑平衡限制条件、非底部货物递归平衡限制条件、货物高度差限制条件、货物底面不倾斜条件和货物表面放置条件、货物最大形变条件中的至少一个。
3.如权利要求2所述的装箱方法，其中，所述多个限制条件包括箱体边界限制条件，其中，箱体边界限制条件指示：在箱体放置货物时当前货物未超出当前箱体的边界，而放置下一货物时下一货物必然超出箱体的边界，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置；
判断枚举的货物的空间位置是否满足当前箱体的箱体边界限制条件；
当枚举的货物的空间位置满足当前箱体的箱体边界限制条件时，根据货物的装箱方案将当前货物装入当前箱体，并将下一货物装入下一箱体，以继续执行货物的装入，直到所有货物被装入箱体。
4.如权利要求2所述的装箱方法，其中，所述多个限制条件包括货物非重叠限制条件，其中，货物非重叠限制条件指示货物之间不存在空间位置重叠的情况，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物非重叠限制条件。
5.如权利要求2所述的装箱方法，其中，所述多个限制条件包括货物支撑平衡限制条件，其中，货物支撑平衡限制条件指示货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物支撑平衡限制条件。
6.如权利要求2所述的装箱方法，其中，所述多个限制条件包括非底部货物递归平衡限制条件，其中，非底部货物递归平衡限制条件指示货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足非底部货物递归平衡限制条件。
7.如权利要求2所述的装箱方法，其中，所述多个限制条件包括货物高度差限制条件，其中，货物高度差限制条件指示预定货物之间的高度差低于预设高度差，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物之间的高度差低于预设高度差。
8.如权利要求2所述的装箱方法，其中，所述多个限制条件包括货物底面不倾斜条件，其中，货物底面不倾斜条件指示预定货物的底面不是倾斜的底面，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的底面不是倾斜的底面。
9.如权利要求2所述的装箱方法，其中，所述多个限制条件包括货物表面放置条件，其中，货物表面放置条件指示预定货物的除底面的一个或多个面不与其他货物接触，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的除底面的一个或多个面不与其他货物接触。
10.如权利要求2所述的装箱方法，其中，所述多个限制条件包括货物最大形变条件，其中，货物最大形变条件指示预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变，
其中，模拟货物的装箱方案的步骤包括：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变。
11.一种装箱装置，所述装箱装置包括：
参数获取单元，获取用于装入货物的箱体的参数和待装入箱体的货物的参数，其中，箱体的参数包括箱体的长度、宽度和高度，货物的参数包括货物的大小、重量和形状中的一个或多个；
装箱方案生成单元，生成货物的多种初始的装箱方案，其中，每种装箱方案包括指示货物的装载顺序和货物的放置方向的信息；
评估器，设置至少一个限制条件，并基于货物的装箱方案、箱体的参数和货物的参数，模拟货物的装箱方案，使得模拟的货物的装箱方案满足所述至少一个限制条件；
适应度计算单元，计算每个模拟的货物的装箱方案的适应度，其中，每个装箱方案的适应度指示装箱方案中的所有被使用的箱体的空间使用率的平均值；
最优装箱方案确定单元，基于计算的适应度和多种初始的装箱方案确定最优装箱方案，
其中，最优装箱方案确定单元被配置为执行下面的操作1至操作8或者操作9至操作14，其中，操作1至操作8对应于混合遗传模拟退火算法，操作9至操作14对应于遗传算法：
操作1：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行操作1中，当前种群是对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；
操作2：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作、变异操作和模拟退火操作，以获得处理后的染色体；
操作3：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；
操作4：响应于新一代种群的种群大小未达到预定大小，返回执行操作2和操作3；
操作5：响应于新一代种群的种群大小达到预定大小，通过模拟退火算法对当前的温度进行降温；
操作6：判断降温后的温度是否达到终止温度；
操作7：响应于降温后的温度未达到终止温度，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和种群迭代操作；
操作8：响应于降温后的温度达到终止温度，保存并输出与当前种群对应的最优装箱方案，
操作9：将当前种群中的适应度前预定百分比的染色体根据最优值保存策略进行保存，其中，在第一次执行操作9中，当前种群对应于所述多种初始的装箱方案的初始种群，每条染色体对应于一种装箱方案；
操作10：对当前种群中的除适应度前预定百分比的染色体之外的剩余染色体执行选择操作、交叉操作和变异操作，以获得处理后的染色体；
操作11：判断包括保存的适应度前预定百分比的染色体和处理后的染色体的新一代种群的种群大小是否达到预定大小；
操作12：响应于新一代种群的种群大小未达到预定大小，返回执行操作10和操作11；
操作13：响应于新一代种群的种群大小达到预定大小，迭代执行通过评估器模拟货物的装箱方案的操作、计算每个模拟的货物的装箱方案的适应度的操作和包括操作9至操作12的种群迭代操作预定次数；
操作14：保存并输出与返回执行种群迭代操作预定次数后的种群对应的最优装箱方案。
12.如权利要求11所述的装箱装置，其中，所述至少一个限制条件包括箱体边界限制条件、货物非重叠限制条件、底部货物支撑平衡限制条件、非底部货物递归平衡限制条件、货物高度差限制条件、货物地面不倾斜条件和货物表面放置条件、货物最大形变条件中的至少一个。
13.如权利要求12所述的装箱装置，其中，所述多个限制条件包括箱体边界限制条件，其中，箱体边界限制条件指示：在箱体放置货物时当前货物未超出当前箱体的边界，而放置下一货物时下一货物必然超出箱体的边界，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置；
判断枚举的货物的空间位置是否满足当前箱体的箱体边界限制条件；
当枚举的货物的空间位置满足当前箱体的箱体边界限制条件时，根据货物的装箱方案将当前货物装入当前箱体，并将下一货物装入下一箱体，以继续执行货物的装入，直到所有货物被装入箱体。
14.如权利要求12所述的装箱装置，其中，所述多个限制条件包括货物非重叠限制条件，其中，货物非重叠限制条件指示货物之间不存在空间位置重叠的情况，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物非重叠限制条件。
15.如权利要求12所述的装箱装置，其中，所述多个限制条件包括货物支撑平衡限制条件，其中，货物支撑平衡限制条件指示货物之间的重心满足预设条件，使得底部货物能够稳定地支撑其他货物，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足货物支撑平衡限制条件。
16.如权利要求12所述的装箱装置，其中，所述多个限制条件包括非底部货物递归平衡限制条件，其中，非底部货物递归平衡限制条件指示货物之间的重心满足预设条件，使得非底部货物能够稳定地支撑其他货物和/或被其他货物支撑，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得货物之间满足非底部货物递归平衡限制条件。
17.如权利要求12所述的装箱装置，其中，所述多个限制条件包括货物高度差限制条件，其中，货物高度差限制条件指示预定货物之间的高度差低于预设高度差，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物之间的高度差低于预设高度差。
18.如权利要求12所述的装箱装置，其中，所述多个限制条件包括货物底面不倾斜条件，其中，货物底面不倾斜条件指示预定货物的底面不是倾斜的底面，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的底面不是倾斜的底面。
19.如权利要求12所述的装箱装置，其中，所述多个限制条件包括货物表面放置条件，其中，货物表面放置条件指示预定货物的除底面的一个或多个面不与其他货物接触，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物的除底面的一个或多个面不与其他货物接触。
20.如权利要求12所述的装箱装置，其中，所述多个限制条件包括货物最大形变条件，其中，货物最大形变条件指示预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变，
其中，评估器被配置为：
基于货物的装箱方案中的指示货物的装载顺序和货物的放置方向的信息和货物的参数，在与箱体的参数对应的三维空间中枚举货物的空间位置，使得预定货物在被放置时被其他货物接触的表面承受的形变小于或等于所述表面能够承受的最大形变。
21.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被一个或多个计算装置执行时使得所述一个或多个计算装置实现如权利要求1-10中任一项所述的方法。
22.一种包括一个或多个计算装置和一个或多个存储装置的系统，所述一个或多个存储装置上记录有计算机程序，所述计算机程序在被所述一个或多个计算装置执行时使得所述一个或多个计算装置实现如权利要求1-10中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111667737.5A CN114873003B (zh) | 2021-12-31 | 2021-12-31 | 装箱方法和装箱装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111667737.5A CN114873003B (zh) | 2021-12-31 | 2021-12-31 | 装箱方法和装箱装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114873003A CN114873003A (zh) | 2022-08-09 |
| CN114873003B true CN114873003B (zh) | 2024-03-05 |
Family
ID=82667768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111667737.5A Active CN114873003B (zh) | 2021-12-31 | 2021-12-31 | 装箱方法和装箱装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114873003B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001236340A (ja) * | 2000-02-22 | 2001-08-31 | Kagawa Prefecture | 箱詰め手順決定方法及び装置 |
| KR20130020343A (ko) * | 2011-08-19 | 2013-02-27 | 부산대학교 산학협력단 | 컨테이너에서의 무게중심을 고려한 박스 적재 방법 |
| CN104680237A (zh) * | 2015-03-10 | 2015-06-03 | 西南科技大学 | 一种多约束条件下三维装箱新型遗传算法模型 |
| CN104915817A (zh) * | 2015-05-26 | 2015-09-16 | 亿赞普(北京)科技有限公司 | 一种集装箱的装箱方法和装置 |
| CN107622321A (zh) * | 2017-07-27 | 2018-01-23 | 山东储备物资管理局八三二处 | 一种基于多约束条件智能生成箱体装载方案的算法 |
| CN110482270A (zh) * | 2018-12-12 | 2019-11-22 | 广东天酿智能装备有限公司 | 货物装载方法 |
| CN112434893A (zh) * | 2021-01-28 | 2021-03-02 | 苏州澳昆智能机器人技术有限公司 | 一种装车垛型逐层最优设计方法 |
| CN113762899A (zh) * | 2021-10-25 | 2021-12-07 | 北京富通东方科技有限公司 | 一种基于混合算法的货物三维装箱方法 |
-
2021
- 2021-12-31 CN CN202111667737.5A patent/CN114873003B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001236340A (ja) * | 2000-02-22 | 2001-08-31 | Kagawa Prefecture | 箱詰め手順決定方法及び装置 |
| KR20130020343A (ko) * | 2011-08-19 | 2013-02-27 | 부산대학교 산학협력단 | 컨테이너에서의 무게중심을 고려한 박스 적재 방법 |
| CN104680237A (zh) * | 2015-03-10 | 2015-06-03 | 西南科技大学 | 一种多约束条件下三维装箱新型遗传算法模型 |
| CN104915817A (zh) * | 2015-05-26 | 2015-09-16 | 亿赞普(北京)科技有限公司 | 一种集装箱的装箱方法和装置 |
| CN107622321A (zh) * | 2017-07-27 | 2018-01-23 | 山东储备物资管理局八三二处 | 一种基于多约束条件智能生成箱体装载方案的算法 |
| CN110482270A (zh) * | 2018-12-12 | 2019-11-22 | 广东天酿智能装备有限公司 | 货物装载方法 |
| CN112434893A (zh) * | 2021-01-28 | 2021-03-02 | 苏州澳昆智能机器人技术有限公司 | 一种装车垛型逐层最优设计方法 |
| CN113762899A (zh) * | 2021-10-25 | 2021-12-07 | 北京富通东方科技有限公司 | 一种基于混合算法的货物三维装箱方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于混合遗传算法的多品种货物装箱问题研究;李伟;杨超宇;孟祥瑞;;包装与食品机械(第03期);全文 * |
| 求解三维装箱问题的混合遗传模拟退火算法;张均;计算机工程与应用;第32-39页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114873003A (zh) | 2022-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110097315B (zh) | 容器确定方法、容器确定装置、介质和计算设备 | |
| CN109919424B (zh) | 容器确定方法及装置、介质和计算设备 | |
| CN112434893B (zh) | 一种装车垛型逐层最优设计方法 | |
| CN110210685B (zh) | 物流装箱方法及装置 | |
| Ramos et al. | A physical packing sequence algorithm for the container loading problem with static mechanical equilibrium conditions | |
| Jamrus et al. | Extended priority-based hybrid genetic algorithm for the less-than-container loading problem | |
| Moon et al. | Container packing problem with balance constraints | |
| EP3907705B1 (en) | Apparatus for determining arrangement of objects in space and method thereof | |
| Miao et al. | A hybrid genetic algorithm for the vehicle routing problem with three-dimensional loading constraints | |
| KR101384739B1 (ko) | 컨테이너에서의 무게중심을 고려한 박스 적재 방법 | |
| WO2023082728A1 (zh) | 一种装箱任务处理方法、装置及设备 | |
| CN107667365B (zh) | 计算机辅助设计(cad)环境中自动组装部件的方法和设备 | |
| CN114873003B (zh) | 装箱方法和装箱装置 | |
| CN115345549A (zh) | 结合装载方案的车辆路径调整方法及系统 | |
| CN112001053B (zh) | 货架数据处理方法、装置、电子设备及可读介质 | |
| CN111461395B (zh) | 临时配送中心的选址方法和系统 | |
| CN111401636B (zh) | 实现连锁商家智能补货的方法及系统 | |
| KR102558340B1 (ko) | 화물 적재 시스템 및 화물 적재 방법 | |
| CN115330051B (zh) | 基于混合遗传算法的车辆路径优化方法及应用 | |
| CN111738424A (zh) | 神经网络处理方法、装置、电子设备及存储介质 | |
| CN114065409A (zh) | 包装箱的确定方法、装置、电子设备及计算机可读存储介质 | |
| Monov et al. | Improving Efficiency of Routing Transportation Equipment using Genetic Algorithms | |
| US20220318440A1 (en) | Techniques for accelerating the designing of manufacturing facilities | |
| CN114684626A (zh) | 规整物体的三维装箱方法、装置和电子设备 | |
| CN111325498B (zh) | 用于vrpspd的用户路线生成方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |