CN117252037B - 三维装箱方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开的三维装箱方法、装置、电子设备及存储介质，涉及物流装箱技术领域，通过获取包裹的尺寸类型生成初始装载序列执行包裹装箱过程。首先获取货箱的剩余空间，并从初始装载序列中选取同一尺寸类型的包裹，利用装载约束规则在剩余空间进行预装载，动态生成组合块。然后根据组合块在剩余空间中的位置划分未装载空间，进行合并以更新剩余空间。重复包裹装箱过程直至满足装载结束条件，得到初始装载方案并计算初始装载指标。最后利用水流优化算法优化初始装载序列，直至得到装载指标满足指标条件的目标装载序列。由此对不同尺寸类型的包裹动态生成组合块，同时考虑多种装载约束规则，并利用水流优化算法快速优化装载方案以满足多种装载需求。

Description

三维装箱方法、装置、电子设备及存储介质

技术领域

本申请涉及物流装箱技术领域，特别是涉及一种三维装箱方法、装置、电子设备及存储介质。

背景技术

货物包裹装箱是物流行业运输环节中的一项关键技术，在提高货箱剩余空间的利用率、降低材料与运输成本、提升物流行业整体效率等方面具有重要意义。由于货物种类繁多，装载需求多样，并受到多种实际情况的制约，通常将现代优化算法与物流相结合，采用各种适用于现代物流企业的通用、便捷和可靠的启发式算法。然而相关技术中的启发式算法对于解决多品种、小批量的异构性装箱问题的性能不够理想，装载方案难以同时满足多种装载需求。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请实施例提供了一种三维装箱方法、装置、电子设备及存储介质，能够同时考虑实际情况的多种约束，快速调整优化装载方案以满足多种装载需求。

第一方面，本申请实施例提供了一种三维装箱方法，包括：

获取多个包裹的尺寸类型，并根据所述尺寸类型生成初始装载序列；

基于所述初始装载序列执行包裹装箱过程，所述包裹装箱过程包括：

获取剩余空间，并从所述初始装载序列中选取同一尺寸类型的所述包裹，利用预设的装载约束规则在所述剩余空间进行预装载，生成所述尺寸类型对应的组合块；所述剩余空间的初始值为货箱的最大容积；

根据所述组合块在所述剩余空间中的位置生成至少一个未装载空间，并对所述未装载空间进行空间合并，以更新所述剩余空间；

重复所述包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算所述初始装载方案的初始装载指标；

利用预设的水流优化算法对所述初始装载序列进行优化得到目标装载序列；所述目标装载序列对应的目标装载指标满足预设的指标条件，所述指标条件包括所述目标装载指标大于所述初始装载指标。

在本申请的一些实施例中，所述尺寸类型包括尺寸参数；所述获取多个包裹的尺寸类型，并根据所述尺寸类型生成初始装载序列，包括：

生成至少一个随机数序列；每个所述随机数序列中包括多个随机数，每个所述随机数对应一个所述尺寸类型；

对所述随机数序列进行降序排列得到排列结果，根据所述排列结果对所述尺寸类型进行排序，得到第一装载序列；

对所述尺寸类型的包裹底面积进行降序排列，生成第二装载序列；所述包裹底面积根据所述尺寸参数计算得到；

根据所述第一装载序列和所述第二装载序列得到所述初始装载序列。

在本申请的一些实施例中，所述尺寸类型包括尺寸参数；所述从所述初始装载序列中选取同一尺寸类型的所述包裹，利用预设的装载约束规则在所述剩余空间进行预装载，生成所述尺寸类型对应的组合块，包括：

获取所述初始装载序列中同一所述尺寸类型对应的所述包裹；每个所述包裹包括根据所述尺寸参数计算得到的包裹容积；

若所述剩余空间小于所述包裹容积，则更新所述剩余空间，否则逐一选取所述包裹进行预装载得到预装载数量；

基于所述装载约束规则对所述预装载数量的所述包裹进行合并，得到所述组合块；

根据预设的装载规则将所述组合块装载至所述剩余空间。

在本申请的一些实施例中，所述装载规则包括方向规则、位置规则；所述组合块包括所述包裹的装载位置；所述根据预设的装载规则将所述组合块装载至所述剩余空间，包括：

根据所述方向规则，将所述组合块中每个所述包裹的最大表面积的面作为底面，按照所述装载位置装载所述包裹至所述剩余空间；

和/或，根据所述位置规则，将所述组合块装载至所述剩余空间的左后下角。

在本申请的一些实施例中，所述根据所述组合块在所述剩余空间中的位置生成至少一个未装载空间，并对所述未装载空间进行空间合并，以更新所述剩余空间，包括：

在所述组合块的第一方向获取所述剩余空间中的第一未装载空间，在所述组合块的第二方向获取所述剩余空间中的第二未装载空间，在所述组合块的第三方向获取所述剩余空间中的第三未装载空间；

基于所述第一未装载空间、所述第二未装载空间和所述第三未装载空间得到可转移空间；

若所述第一未装载空间大于所述第二未装载空间，则将所述可转移空间划分至所述第一未装载空间，否则将所述可转移空间划分至所述第二未装载空间；

将所述第三未装载空间、所述第二未装载空间和所述第一未装载空间分别作为新的剩余空间并插入至剩余空间堆栈；其中，包括所述可转移空间的所述剩余空间最后入栈。

在本申请的一些实施例中，所述若所述剩余空间小于所述包裹容积，则更新所述剩余空间，包括：

若所述剩余空间不包括所述可转移空间，则将所述剩余空间作为废弃空间，否则从所述剩余空间堆栈中取出目标剩余空间；

将所述可转移空间合并至所述目标剩余空间，并将移除所述可转移空间的所述剩余空间作为废弃空间；

将所述目标剩余空间插入至所述剩余空间堆栈，并将所述废弃空间插入至废弃空间堆栈。

在本申请的一些实施例中，所述对所述未装载空间进行空间合并，以更新所述剩余空间，包括：

对于任一个所述剩余空间，遍历所述剩余空间堆栈和所述废弃空间堆栈，获取与所述剩余空间相邻的待合并空间；其中，所述待合并空间包括剩余空间和/或废弃空间；

获取所述剩余空间和所述待合并空间的总空间，并获取所述总空间的底面；

在所述底面中生成最大矩形，并根据所述最大矩形从所述总空间中得到目标剩余空间。

在本申请的一些实施例中，所述装载结束条件包括所述包裹全部装箱或所述剩余空间为零；所述重复所述包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算所述初始装载方案的初始装载指标，包括：

当所述包裹全部装箱或所述剩余空间为零时，得到对应的初始装载方案；其中，所述初始装载方案满足所述装载约束规则，所述装载约束规则包括所述包裹的总容积不超过所述货箱的最大容积，所述包裹的总质量不超过所述货箱的最大承重，所述包裹和所述货箱的总重心位于理想重心的预设范围；

计算所述初始装载方案的体积利用率、质量利用率和重心距离，并结合预设的体积权重、质量权重和重心权重计算得到所述初始装载指标。

在本申请的一些实施例中，所述水流优化算法包括水流微粒，所述水流微粒表征所述初始装载序列，所述水流优化算法还包括湍流操作和层流操作；所述指标条件还包括预设优化次数；所述利用预设的水流优化算法对所述初始装载序列进行优化得到目标装载序列，包括：

生成一个概率随机数，并获取预设的层流概率；

若所述概率随机数小于所述层流概率，则执行所述层流操作更新所述水流微粒的位置坐标，否则执行所述湍流操作更新所述水流微粒的位置坐标；

基于所述位置坐标，调整所述初始装载序列得到候选装载序列，并设置优化次数增一；

基于所述候选装载序列执行所述包裹装箱过程，直至满足所述装载结束条件，得到对应的候选装载方案，并计算所述候选装载方案的候选装载指标；

若所述候选装载指标小于所述初始装载指标，则丢弃所述候选装载序列并复原所述水流微粒更新前的位置坐标，否则将所述候选装载序列作为新的初始装载序列重复上述过程；

直至所述优化次数达到所述预设优化次数，将所述候选装载序列作为目标装载序列。

在本申请的一些实施例中，每个所述水流微粒对应一个所述随机数序列，每个所述随机数包括位置索引，所述随机数表征所述水流微粒的位置坐标，所述位置索引表征所述尺寸类型；所述基于所述位置坐标，调整所述初始装载序列得到候选装载序列，包括：

对所述水流微粒的所述位置坐标进行降序排序，得到排序结果；

根据所述排序结果对所述位置索引进行排序，以调整所述尺寸类型的排序顺序得到所述候选装载序列。

第二方面，本申请实施例还提供了一种三维装箱装置，应用如本申请第一方面实施例所述的三维装箱方法，包括：

获取模块，用于获取多个包裹的尺寸类型，并根据所述尺寸类型生成初始装载序列；

装载模块，用于基于所述初始装载序列执行包裹装箱过程，所述包裹装箱过程包括：获取剩余空间，并从所述初始装载序列中选取同一尺寸类型的所述包裹，利用预设的装载约束规则在所述剩余空间进行预装载，生成所述尺寸类型对应的组合块；所述剩余空间的初始值为货箱的最大容积；根据所述组合块在所述剩余空间中的位置生成至少一个未装载空间，并对所述未装载空间进行空间合并，以更新所述剩余空间；

计算模块，用于重复所述包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算所述初始装载方案的初始装载指标；

优化模块，用于利用预设的水流优化算法对所述初始装载序列进行优化得到目标装载序列；所述目标装载序列对应的目标装载指标满足预设的指标条件，所述指标条件包括所述目标装载指标大于所述初始装载指标。

第三方面，本申请实施例还提供了一种电子设备，包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如本申请第一方面实施例所述的三维装箱方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如本申请第一方面实施例所述的三维装箱方法。

本申请实施例至少包括以下有益效果：

本申请实施例提供了一种三维装箱方法、装置、电子设备及存储介质，其中，方法中通过获取多个包裹的尺寸类型，并根据尺寸类型生成初始装载序列，然后基于初始装载序列执行包裹装箱过程。首先获取货箱的剩余空间，并从初始装载序列中选取同一尺寸类型的包裹，利用预设的装载约束规则在剩余空间中进行预装载，从而生成该尺寸类型对应的组合块。然后根据组合块在剩余空间中的位置生成至少一个未装载空间，并对未装载空间进行合并以更新剩余空间。通过重复上述包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算初始装载方案的初始装载指标。最后利用预设的水流优化算法对初始装载序列进行优化，直至得到装载指标满足指标条件的目标装载序列。由此对不同尺寸类型的包裹进行预装载动态生成组合块，可以同时考虑实际情况的多种装载约束规则，并通过预设的水流优化算法快速调整优化装载方案符合预设的指标条件，以满足多种装载需求。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本申请一个实施例提供的三维装箱方法的流程示意图；

图2是图1中步骤S101的流程示意图；

图3是本申请一个实施例提供的随机数序列示意图；

图4是本申请一个实施例提供的第一装载序列示意图；

图5是本申请一个实施例提供的初始装载序列示意图；

图6是图1中步骤S201的流程示意图；

图7是图1中步骤S202的流程示意图；

图8是本申请一个实施例提供的剩余空间示意图；

图9是图6中步骤S402的流程示意图；

图10是图1中步骤S202的另一流程示意图；

图11是本申请一个实施例提供的总空间底面示意图；

图12是本申请一个实施例提供的空间合并示意图；

图13是本申请一个实施例提供的空间合并俯视图；

图14是本申请又一个实施例提供的空间合并俯视图；

图15是图1中步骤S104的流程示意图；

图16是本申请一个实施例提供的三维装箱装置模块示意图；

图17是本申请一个实施例提供的电子设备的结构示意图。

附图标记：获取模块 100、装载模块 200、计算模块 300、优化模块 400、电子设备1000、处理器 1001、存储器 1002。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。

在本申请的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。

随着社会的不断发展，物流行业已经成为经济发展的重要组成部分之一。其中，货物包裹装箱是物流行业运输环节中的一项关键技术，怎样提高货箱的剩余空间的利用率，减少包装材料的消耗，从而有效地降低材料与运输成本，成为了物流行业降低各个方面的成本，提升行业整体效率的一个重要手段。但是由于货物种类繁多，装载需求多样，并受到了多种实际情况的制约，传统的同构型装载解决方案，即一辆车通常只装载单一类型的物品，已经不能满足当前运载需求的变化。物流企业需要开发和使用尽可能优越的异构型装箱算法，以提高物品种类繁多，而同类物品数量少的这种场景下的装载效率。然而这一过程大都是依靠装卸工人的经验来完成。在此过程中，由于人工装载的随机性，会导致货箱的空间利用率低下，货物摆放的结构也不够理想，因此出现经常需要对货物位置进行调整的情况，这样既耗费了大量的时间，又增加了装载劳动强度，并且降低总体工作效率和提高物流成本。

在此背景下，将现代优化算法与物流相结合，提出一种适用于现代物流企业的通用、便捷和可靠的启发式算法，用于指导货物装载，对于降低各个企业的物流成本以及实现自动化，数字化，绿色化装载有着十分重大的意义。近年来已有很多关于物流货物装箱问题的研究方案，例如将遗传算法用于三维装箱问题、基于禁忌搜索框架的启发式算法、贪婪随机自适应搜索的“破坏-修复”框架、DBFL启发式装载算法用于优化空间的使用、针对具有负载平衡的装箱问题的多目标蚁群优化算法、混合模拟退火算法以及高效的多层启发式搜索算法、拟人型穴度算法等。

然而相关技术中的启发式算法没有充分同时考虑到货物的质量约束，重心约束以及装车的先后顺序。随着快递物流的进一步发展，物流订单呈现出多品种、小批量的特点，因此对于多品种、小批量的异构性装箱问题的性能有待提升，装载方案难以同时满足多种装载需求。

基于此，本申请实施例提供了一种三维装箱方法、装置、电子设备及存储介质，能够对不同尺寸类型的包裹进行预装载动态生成组合块，可以同时考虑实际情况的多种装载约束规则，并通过预设的水流优化算法快速调整优化装载方案使得符合预设的指标条件，以满足多种装载需求。

本申请实施例提供三维装箱方法、装置、电子设备及存储介质，具体通过如下实施例进行说明，首先基于以下三维装箱问题模型描述本申请实施例中的三维装箱方法。

在本申请实施例中，快递包裹的三维装箱问题模型定义如下：对于单一类型的货箱，货箱的最大容积为，货箱的长度为/>、货箱的宽度为/>、货箱的高度为/>，因此有，货箱的最大承重为/>。同时给定多种尺寸类型待装载的快递包裹，包裹种类数为/>，每种包裹有一定的数量，记为/>，包裹的长度为/>、包裹的宽度为/>、包裹的高度为/>、包裹的质量为/>。另外，货箱和包裹的形状都被抽象为规则且质量分布均匀的长方体，并且不会发生形变。在本申请中，为了表达和计算的简洁性，引入一个基于货箱而建立的空间直角坐标系以更好地描述需要被装载的快递包裹。具体的，空间直角坐标系以货箱的左、后、下的角作为坐标原点，以货箱的宽作为x轴，货箱的长作为y轴，货箱的高作为z轴建立。可以理解的是，本领域技术人员可以根据实际需求设置，本申请对此不做限制。

在实际装载过程中，三维装箱问题需要满足一定的约束规则，本申请实施例同时考虑的装载约束规则包括但不限于（a）至（g）：

（a）不越界约束：指在装载过程中装载到货箱中的包裹各边均不超出货箱范围；

（b）装载平行约束：指所有被装载的包裹必须与货箱各边保持平行，不能斜放；

（c）非重叠约束：指任何两个被装载的包裹不能出现交叉重叠；

（d）方向约束：当一个包裹装入货箱时，在无约束规则下，会有6种不同的放置方式。但是在实际情况下中，包裹的装载是有方向约束的，即每个包裹只有指定的几个面允许被作为底面放置；

（e）稳定性约束：为确保运输过程中的安全，包裹的装载必须满足稳定性约束，即装入的包裹的底部必须全部获得其它包裹或货箱的支撑，不允许包裹悬空放置；

（f）质量约束：指装载过程中装入的所有包裹的总重量要始终不大于货箱的最大承重；

（g）重心约束：为了保证运输过程中的安全，装载结束时，包裹和货箱的总重心要尽可能的靠近理想重心。

具体的，可以利用以下数学模型表示上述装载约束规则。

(1)。

(2)。

(3)。

(4)。

(5)。

(6)。

(7)。

(8)。

(9)。

(10)。

(11)。

(12)。

(13)。

(14)。

其中，表示包裹的装载序列，式（1）表示装载指标，由体积利用率（4）/>，质量利用率（5）/>以及重心距离函数（6）/>三部分组成。/>分别为体积利用率、质量利用率和重心距离函数在装载中所占的比例，并且满足/>。式(2)、(3)分别表示体积约束和质量约束，其中/>表示第/>种尺寸类型的包裹装载到货箱中的数量。式（7）代表实际重心与理想重心的在三个坐标轴方向上的最大偏移距离，式（8）、（9）、（10）分别代表装载结束后货箱和包裹的实际重心在/>轴的分坐标，其中/>代表第/>种尺寸类型的第/>个包裹放置在货箱中的左后下角坐标值。式（11）表示装载结束后货箱和包裹在/>轴方向上的理想重心位置，式（12）、（13）、（14）表示不越界约束，/>表示第/>种尺寸类型的第/>个包裹放置在货箱中后沿/>轴方向的投影长度，即考虑方向约束的条件下，/>，/>同理。

参照图1所示，本申请实施例提供了一种三维装箱方法，包括但不限于以下步骤S101至步骤S104。

步骤S101，获取多个包裹的尺寸类型，并根据尺寸类型生成初始装载序列。

在一些实施例中，获取多个包裹的尺寸类型，尺寸类型具体根据包裹的长度、宽度和高度划分。若两个包裹具有相同的长度、宽度和高度，即属于同一种尺寸类型，否则为不同尺寸类型的包裹。

在一些实施例中，包裹的尺寸类型有n种，对于每种尺寸类型使用[1,n]之间的整数表示。示例性的，有五种尺寸类型的快递包裹，则第一种包裹的尺寸类型对应为1，第二种包裹的尺寸类型对应为2，第三种包裹的尺寸类型对应为3，第四种包裹的尺寸类型对应为4，第五种包裹的尺寸类型对应为5。

根据尺寸类型生成包裹的初始装载序列，示例性的，当初始装载序列为=[5,1,3,2,4]时，代表首先对第五种尺寸类型的包裹进行装载，然后依次装载第一种尺寸类型的包裹、第三种尺寸类型的包裹和第二种尺寸类型的包裹，最后装载的是第四种尺寸类型的包裹，本实施例对此不做限制。

步骤S102，基于初始装载序列执行包裹装箱过程。

在一些实施例中，参照图1所示，包裹装箱过程可以包括但不限于以下步骤S201至步骤S202。

步骤S201，获取剩余空间，并从初始装载序列中选取同一尺寸类型的包裹，利用预设的装载约束规则在剩余空间进行预装载，生成尺寸类型对应的组合块。

在一些实施例中，获取剩余空间，剩余空间的初始值为货箱的最大容量。从初始装载序列中选取同一尺寸类型的包裹，利用预设装载约束规则在剩余空间中进行预装载，以生成该尺寸类型对应的组合块。示例性的，从初始装载序列[5,1,3,2,4]中取出第五种尺寸类型的所有包裹，假设有6个第五种尺寸类型的包裹，则根据预设的多种装载约束规则在剩余空间中对这6个包裹进行预装载，例如在同时满足多种装载约束规则下评估不同装载位置的装载效果等，从而生成该尺寸类型对应的包裹的组合块，本实施例对此不做限制。

步骤S202，根据组合块在剩余空间中的位置生成至少一个未装载空间，并对未装载空间进行空间合并，以更新剩余空间。

在一些实施例中，将组合块装载至剩余空间后，根据组合块在剩余空间中的位置生成至少一个未装载空间。具体的，该组合块将剩余空间在三个维度方向上进行划分得到至少一个未装载空间，例如组合块上方的未装载空间对应于z轴方向，组合块前方或者后方的未装载空间对应于x轴方向，组合块左方或者右方的未装载空间对应于y轴方向。对符合预设条件的未装载空间进行空间合并得到新的剩余空间，从而实现了剩下空间的更新。

步骤S103，重复包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算初始装载方案的初始装载指标。

在一些实施例中，重复上述步骤S201至步骤S202的包裹装箱过程，直至满足预设的装载结束条件，例如包裹全部装箱或剩余空间为零时，得到实际装箱过程对应的初始装载方案。可以理解的是，实际装箱过程的初始装载方案与初始装载序列可以不同，例如根据初始装载序列[5,1,3,2,4]进行装载时，第三种尺寸类型的包裹有10个，但是对应的剩余空间只能装载8个，则剩余2个第三种尺寸类型的包裹。在完成一轮装载后，重复初始装载序列继续对不同尺寸类型的剩余包裹进行装载，直至包裹全部装箱或剩余空间为零时，由此得到初始装载方案，本实施例对此不做限制。

在一些实施例中，初始装载方案满足预设的装载约束规则，例如包裹的总容积不超过货箱最大容积的体积约束，包裹的总重量不超过货箱最大承重的质量约束，包裹和货箱的总重心位于理想重心的预设范围等（a）至（g）中一个或多个约束规则。根据式（2）至（11）计算初始装载方案的体积利用率、质量利用率/>和重心距离/>，并结合预设的体积权重/>、质量权重/>和重心权重/>根据式（1）计算得到初始装载指标。

步骤S104，利用预设的水流优化算法对初始装载序列进行优化得到目标装载序列。

可以理解的是，快递包裹的三维装箱问题属于NP-Hard问题，无法在有限的时间里寻找最佳解，而且当问题的规模很大时，采用常规的高精度方法容易出现“组合爆炸”，从而极大地降低计算效率。为了在给定的时限之内获得一种接近最优化结果，本申请实施例使用一种基于智能的启发式算法对初始装载序列进行优化。

在一些实施例中，利用预设的水流优化（Water Flow Optimization，WFO）算法对初始装载序列不断进行调整优化，直至得到目标装载序列。其中，根据目标装载序列对包裹进行装载得到的目标装载方案，其对应计算的目标装载指标满足预设的指标条件，例如目标装载指标大于初始装载指标，以及对初始装载序列的优化次数达到预设优化次数等。可以理解的是，本领域技术人员可以根据实际需求设置，本实施例对此不做限制。

具体的，水流优化算法是一种全新的智能启发式全局优化算法，其模拟了水流微粒从高地流向低地的水力现象，并模拟自然界中水流微粒的层流、湍流现象设计了层流、湍流算子。层流和湍流是流体流动的一种性质。流体流动时，如果流体质点的轨迹是有规则的光滑曲线（例如直线），这种流动叫层流，没有这种性质的流动叫湍流。

可以理解的是，基于向量的多维搜索模式在求解可分离函数方面具有较高的效率，而在求解不可分离函数时的效率往往低于一维搜索模式。与多维向量搜索模式相比，一维搜索模式虽然易导致收敛速度较慢，但其能很好地保持隐藏在较好的解中的结构。水流优化算法则是充分集成了二者的优点，其在层流算子中采用多维向量搜索模式，而在湍流算子中采用一维搜索模式。

此外，本申请实施例中的水流优化算法提出了一种新的避免陷入局部最优的方法，即在层流算子中使得所有水流微粒在同一次迭代中沿相同的方向移动，通过使用这种并行单向搜索的模式，许多水流微粒正直接朝着更好的解决方案前进，而其他水流微粒实际上是在同一迭代中向后搜索。因此，每个水流微粒将有相等的机会跳过局部最优值。

在层流中，所有的粒子都以平行的直线运动。由于水的黏性，水流微粒的速度可能会有所不同，例如，远离墙壁或障碍物的水流微粒比靠近墙壁或障碍物的水流微粒要快。这种规则的运动可以用以下方程来模拟：(15)。

其中，为迭代次数，/>代表水流微粒的序号，/>代表水流微粒的总数量，/>为第/>个水流微粒在第/>次迭代结束之后所处的坐标点，/>代表其移动后的位置，/>代表水流微粒的位移系数，用于模拟水流微粒的不同速度，/>表明所有水流微粒的共同运动方向，它保证了层流算子的平行单向搜索模式。/>由下列式子计算得到：/>(16)。

其中，表明第/>个水微粒的势能不大于第/>个水流微粒的势能。/>表示迄今为止找到的势能最低的水流微粒，其作为实现层流算子的领导微粒。

在湍流中，水流微粒以随机的方式相互碰撞，并且可能跨越不同的水流层。由于水流微粒的不规则运动，类似于层流时形成的水流流线被破坏。当速度快的水流微粒被障碍阻挡后，局部震荡就会形成。如果震荡的幅度足够大，剪切力将作为一个扭矩，推动水流微粒进行旋转，最终可能产生漩涡。若将待解决问题的一个维度视为水流的一层，则维度之间的数学变化可以模拟湍流中水流颗粒的不规则运动，这种不规则的运动可以用如下式子表示：(17)。其中，/>为随机生成的整数，，/>的值如下所示：/>(18)。

其中，为随机生成的整数，/>；/>为随机生成的整数，为[0,1]之间的随机数，/>为产生漩涡的概率，即湍流算子有/>的概率进行漩涡变换，而有/>的概率进行层间移动变换。

漩涡变换的和层间移动变化的公式如下所示。

由于涡流的形状类似于一个特殊的阿基米德螺旋，因此湍流算子中的涡流函数是由一个类似的方程构造出来的：(19)。

为/>之间的随机数，/>由下方的公式动态更新：/>(20)。

可以看作是第/>个粒子作用于第/>个粒子的一个剪切力。

为了模拟水流微粒在层与层之间的一般变换，采用如下变换函数：(21)。

分别代表水流微粒运动的上界和下界，线性变换可以保证变换后的位置在原有的上下界之内。

在水力学中，如果雷诺数小于一个阈值，则水流为层流，否则为湍流。水流优化算法用的概率类比雷诺系数，即有/>的概率执行层流算子，/>的概率执行湍流算子。

水流优化算法采用一种常用的进化计算策略来描述了水流从高地到低地的趋势，水流微粒的位置在迭代过程中不断得到优化。更具体地说，如果可能的移动位置具有较低的势能，则选择它作为新的位置，否则水流微粒保持在当前位置。即：(22)。

在一些实施例中，通过设置编码规则结合水流优化算法与启发式装载算法，构造基于水流算法的启发式三维装箱算法。具体的，将包裹的尺寸类型总数量作为水流微粒中位置坐标的总维度，例如包裹共有五种尺寸类型，则水流微粒的位置坐标为五维数组，每个水流微粒的位置坐标代表一个完整的装载序列。

由此通过预设的水流优化算法进行装载序列的优化求解，将多维向量搜索模式与一维搜索模式结合起来，提高计算效率的同时，避免精确算法求解时间过长的缺点。在有限时间内获得一种接近最优化结果的目标装载序列，可以同时满足多种装载约束规则和装载需求。

参照图2所示，在本申请的一些实施例中，上述步骤S101还可以包括但不限于以下步骤S301至步骤S304。

步骤S301，生成至少一个随机数序列。

在一些实施例中，生成至少一个随机数序列，每个随机数序列中包括多个随机数，每个随机数对应一个尺寸类型，例如有五种尺寸类型的包裹，则一个随机数序列中对应有五个随机数。具体的，生成随机数序列的个数由水流优化算法中水流微粒的数量参数决定，每个水流微粒对应一个随机数序列，并且随机数序列中的各个随机数对应水流微粒的位置坐标。

示例性的，参照图3所示的随机数序列示意图，针对五种尺寸类型的包裹生成三个随机数序列，即，/>为0-1之间的随机数，/>代表尺寸类型。

步骤S302，对随机数序列进行降序排列得到排列结果，根据排列结果对尺寸类型进行排序，得到第一装载序列。

在一些实施例中，对随机数序列中的各个随机数进行降序排列，得到排列结果，并根据排序结果对尺寸类型进行排序，得到第一装载序列。具体的，对三个随机数序列中的各个随机数进行降序排列后，将随机数对应的尺寸类型替换该随机数，即得到三个第一装载序列。例如第一个随机数序列中随机数最大，降序排列后位于第一位，因此根据该第一装载序列首先装载的是第五种尺寸类型的包裹，如图4所示的第一装载序列示意图。

步骤S303，对尺寸类型的包裹底面积进行降序排列，生成第二装载序列。

在一些实施例中，尺寸类型包括尺寸参数，尺寸参数包括包裹的长度、宽度和高度。因此根据尺寸参数可以计算得到包裹的各个面的面积，将不同尺寸类型包裹的最大可行底面积作为包裹底面积，并根据包裹底面积进行降序排列，生成第二装载序列。

示例性的，假设有五种尺寸类型的包裹，类型1的长宽高分别为108，76，30，类型2的长宽高分别为110，43，25，类型3的长宽高分别为92，81，55，类型4的长宽高分别为81，33，28，类型5的长宽高分别为120，99，73。根据方向约束，假设其中类型1和类型2仅可将长，宽组成的面作为底面放置，其他三种类型各面均可作为底面放置。因此各尺寸类型包裹的最大可行底部面积分别为：108x76=8208，110x43=4730，92x81=7452，81x33=2673，120x99=11880。进行降序排列后对应生成的第二装载序列为[5,1,3,2,4]，本实施例对此不做限制。

步骤S304，根据第一装载序列和第二装载序列得到初始装载序列。

在一些实施例中，初始装载序列可以由第一装载序列和第二装载序列组合得到，即初始装载序列中包含多个初始装载方案，如图5所示的初始装载序列示意图。由此可以基于多种初始装载方案进行水流优化，避免装载方案陷入局部最优解，可以快速优化调整装载方案以满足异构性装箱的多种装载需求。

参照图6所示，在本申请的一些实施例中，上述步骤S201还可以包括但不限于以下步骤S401至步骤S404。

步骤S401，获取初始装载序列中同一尺寸类型对应的包裹。

在一些实施例中，获取初始装载序列中同一尺寸类型的各个包裹，可以理解的是，每个包裹包括根据尺寸参数计算得到的包裹容积。

步骤S402，若剩余空间小于包裹容积，则更新剩余空间，否则逐一选取包裹进行预装载得到预装载数量。

在一些实施例中，判断获取的剩余空间和包裹容积的大小关系，如果剩余空间小于包裹容积，则说明该剩余空间装载不了该尺寸类型的包裹，进一步可以根据预设的更新算法对剩余空间进行更新。如果剩余空间大于或等于包裹容积，则逐一选取包裹进行预装载得到预装载数量。示例性的，假设该尺寸类型对应的包裹有k个，剩余空间最多可以装载n个该尺寸类型的包裹，如果k>n，则预装载数量为n，如果n>=k，则预装载数量为k。

步骤S403，基于装载约束规则对预装载数量的包裹进行合并，得到组合块。

在一些实施例中，在装载约束规则的基础上，对预装载数量的包裹进行合并，生成各种装载位置对应的组合块。示例性的，对于预装载数量为2的第一种尺寸类型的包裹，可以生成三种不同装载位置的组合块。第一种组合块是两个包裹沿着x轴相邻装载至剩余空间，第二种组合块是两个包裹沿着y轴相邻装载至剩余空间，第三种组合块是两个包裹沿着z轴叠放装载至剩余空间，本实施例对此不做限制。

步骤S404，根据预设的装载规则将组合块装载至剩余空间。

在一些实施例中，装载规则包括但不限于方向规则和/或位置规则，随机选取任一装载位置的组合块根据预设的装载规则装载至剩余空间。具体的，方向规则是在包裹有多个面可以作为底面放置时，优先选择使其最大表面积的面作为底面，按照装载位置装载包裹至剩余空间；位置规则是将组合块优先装载至剩余空间的左后下角。可以理解的是，本领域技术人员可以根据实际需求设置装载规则，本实施例对此不做限制。

由此根据包裹的尺寸类型和剩余空间对包裹进行预装载，动态生成各种可能的组合块，并根据预设的装载规则进行装载，可以同时考虑实际情况的多种装载约束规则，并且在存储空间上不需要存储各种尺寸类型的组合块，而是使用动态组合块生成的方法根据剩余空间和尺寸类型动态生成。有效节省了存储空间，在空间复杂度上较为优越，面对较大数据量的时候也能够快速完成求解。

参照图7所示，在本申请的一些实施例中，上述步骤S202还可以包括但不限于以下步骤S501至步骤S504。

步骤S501，在组合块的第一方向获取剩余空间中的第一未装载空间，在组合块的第二方向获取剩余空间中的第二未装载空间，在组合块的第三方向获取剩余空间中的第三未装载空间。

在一些实施例中，将组合块装载至剩余空间的左后下角后，在组合块的前方获取剩余空间中的第一未装载空间，在组合块的右方获取剩余空间中的第二未装载空间，在组合块的上方获取剩余空间中的第三未装载空间。示例性的，参照图8所示的剩余空间示意图，剩余空间的初始值为整个货箱，装入一个组合块Box后，可以得到第一未装载空间SpaceX，第二未装载空间Space Y和第三未装载空间Space Z。

步骤S502，基于第一未装载空间、第二未装载空间和第三未装载空间得到可转移空间。

在一些实施例中，基于第一未装载空间、第二未装载空间得到可转移空间。示例性的，参照图8所示，第一未装载空间Space X和第二未装载空间Space Y的划分有a和b两种情况，将第一未装载空间和第二未装载空间重叠的公共空间作为可转移空间，即定义为可转移空间。由此可转移空间可以划分至第一未装载空间或者划分至第二未装载空间，本实施例对此不做限制。

可以理解的是，也可以将组合块的正面对应的正前方空间作为第一未装载空间，将组合块的侧面对应的正右方空间作为第二未装载空间，将组合块的底面对应正上方空间作为第三未装载空间。然后基于第一未装载空间、第二未装载空间和第三未装载空间得到可转移空间。具体的，将剩余空间去除组合块、第一未装载空间、第二未装载空间和第三未装载空间后的空间作为可转移空间，本实施例对此不做限制。

步骤S503，若第一未装载空间大于第二未装载空间，则将可转移空间划分至第一未装载空间，否则将可转移空间划分至第二未装载空间。

在一些实施例中，判断第一未装载空间和第二未装载空间的大小关系，如果第一未装载空间大于第二未装载空间，则将可转移空间划分至第一未装载空间；如果第一未装载空间小于或等于第二未装载空间，则将可转移空间划分至第二未装载空间，本实施例对此不做限制。

步骤S504，将第三未装载空间、第二未装载空间和第一未装载空间分别作为新的剩余空间并插入至剩余空间堆栈。

在一些实施例中，剩余空间存储在一个剩余空间堆栈中，将第三未装载空间、第二未装载空间和第一未装载空间分别作为新的剩余空间并插入至剩余空间堆栈中。其中，第三未装载空间对应的剩余空间最先入栈，包括可转移空间的剩余空间最后入栈，本实施例对此不做限制。

由此将可转移空间划分至较大的未装载空间中，并且生成剩余空间堆栈时保证每一阶段最后入栈的是当前阶段包括可转移空间的剩余空间，可以保证其在装载阶段首先被填充，从而提高货箱的装载率。

参照9所示，在本申请的一些实施例中，上述步骤S402还可以包括但不限于以下步骤S601至步骤S603。

步骤S601，若剩余空间不包括可转移空间，则将剩余空间作为废弃空间，否则从剩余空间堆栈中取出目标剩余空间。

在一些实施例中，如果剩余空间小于包裹容积，即该剩余空间无法装载包裹时，判断该剩余空间是否包含可转移空间。如果剩余空间不包含可转移空间，则直接将该剩余空间作为废弃空间；如果剩余空间包含可转移空间，则从剩余空间堆栈中取出目标剩余空间，目标剩余空间为剩余空间堆栈中的栈顶空间，本实施例对此不做限制。

步骤S602，将可转移空间合并至目标剩余空间，并将移除可转移空间的剩余空间作为废弃空间。

在一些实施例中，将可转移空间合并至目标剩余空间，并将移除可转移空间的剩余空间作为废弃空间，由此实现空间的转移，将可转移空间转移到新的栈顶空间继续利用，从而减少空间浪费。

步骤S603，将目标剩余空间插入至剩余空间堆栈，并将废弃空间插入至废弃空间堆栈。

在一些实施例中，将目标剩余空间重新插入至剩余空间堆栈，以便下一次获取剩余空间进行装载，并将废弃空间插入至废弃空间堆栈，本实施例对此不做限制。

参照图10所示，在本申请的一些实施例中，上述步骤S202还可以包括但不限于以下步骤S701至步骤S703。

步骤S701，对于任一个剩余空间，遍历剩余空间堆栈和废弃空间堆栈，获取与剩余空间相邻的待合并空间。

可以理解的是，随着不同尺寸类型的包裹被装载，剩余空间不断被分割，使其变得分散导致无法装载任何一种尺寸类型的包裹。如果直接将这些剩余空间直接作为废弃空间丢弃，将导致低容量利用率。即使一些剩余空间可以装载一些包裹，它们也会变得太小，无法容纳其他包裹，进一步降低了货箱的利用率和稳定性。

在一些实施例中，为了提高货箱的利用率和稳定性，对于任一个剩余空间，遍历剩余空间堆栈和废弃空间堆栈，获取与该剩余空间相邻的待合并空间。具体的，待合并空间包括剩余空间堆栈中的剩余空间和/或废弃空间堆栈中的废弃空间，并且待合并空间和剩余空间的高度相同，对任一个剩余空间，沿x轴或者y轴方向检查该剩余空间是否存在可以合并的相邻空间，由此得到待合并空间。

步骤S702，获取剩余空间和待合并空间的总空间，并获取总空间的底面。

在一些实施例中，获取由剩余空间和待合并空间组成的总空间，并获取总空间的底面。参照图11所示的总空间底面示意图，假设剩余空间是S1，则其相邻的待合并空间是S2，由此得到的总空间底面为S3。

步骤S703，在底面中生成最大矩形，并根据最大矩形从总空间中得到目标剩余空间。

在一些实施例中，在底面中生成最大矩形，例如图11中的S4。最后根据最大矩形从总空间中得到目标剩余空间，具体的，将最大矩形作为底面获取对应的剩余空间作为目标剩余空间。

在一些实施例中，剩余空间包括剩余长度L1、剩余宽度W1和剩余空间坐标，剩余空间坐标为剩余空间的左上角坐标，包括x1坐标和y1坐标；待合并空间包括待合并长度L2、待合并宽度W2和待合并坐标，待合并坐标为待合并空间的左上角坐标，包括x2坐标和y2坐标。具体的，剩余空间和相邻的待合并空间可以分为以下三种情况：

第一种情况，当剩余宽度W1和待合并宽度W2相同时，y1坐标等于y2坐标并且x1坐标加上剩余长度L1等于x2坐标，或者剩余长度L1和待合并长度L2相同时，x1坐标等于x2坐标并且y1坐标加上剩余宽度W1等于y2坐标，则将剩余空间和待合并空间进行合并得到目标剩余空间。示例性的，参照图12所示的空间合并示意图，剩余空间S1有一个相邻的待合并空间S2，并且剩余空间S1和待合并空间S2的长度或者宽度相同，如果两者的关系满足，则可以合并成一个目标剩余空间。

第二种情况，当剩余宽度W1和待合并宽度W2不同并且剩余长度L1和待合并长度L2不同时，若x2坐标大于或等于x1坐标，y1坐标加上剩余宽度W1等于y2坐标，x1坐标加上剩余长度L1等于x2坐标加上待合并长度L2，或者y2坐标大于或等于y1坐标，x1坐标加上剩余长度L1等于x2坐标，y1坐标加上剩余宽度W1等于y2坐标加上待合并宽度W2，则将剩余空间和待合并空间进行合并得到目标剩余空间。示例性的，参照图13所示的空间合并俯视图，剩余空间S1有一个相邻的待合并空间S2，剩余空间S1和待合并空间S2具有不同的长度和宽度，如果两者的关系满足，则可以合并成一个目标剩余空间。可以理解的是，合并之后一个空间的长度或者宽度会增大以作为目标剩余空间，另一个空间可能会有一部分被抛弃。

第三种情况，当剩余空间的相邻的待合并空间有两个时，若y1坐标加上剩余宽度W1等于y2坐标加上第一待合并宽度W2并等于y3坐标，x1坐标加上剩余长度L1等于x2坐标，并且剩余长度L1加上第一待合并长度L2大于或等于第二待合并长度L3，x1坐标等于x3坐标，或者x1坐标加上剩余长度L1等于x2坐标加上第一待合并长度L2并等于x3坐标，y1坐标加上剩余宽度W1等于y2坐标，并且剩余宽度W1加上第一待合并宽度W2大于或等于第二待合并宽度W3，y1坐标等于y3坐标，则将剩余空间和待合并空间进行合并得到目标剩余空间。示例性的，参照图14所示的空间合并俯视图，剩余空间S1有两个相邻的待合并空间S2和S3，三个相邻的空间具有不同的长度和宽度，三者的关系满足，则可以合并成一个目标剩余空间。可以理解的是，合并之后一个空间的长度或者宽度会增大以作为目标剩余空间，另两个空间可能会有一部分被抛弃。

参照图15所示，在本申请的一些实施例中，上述步骤S104还可以包括但不限于以下步骤S801至步骤S806。

步骤S801，生成一个概率随机数，并获取预设的层流概率。

在一些实施例中，水流优化算法包括多个水流微粒，水流微粒表征初始装载序列，水流优化算法还包括湍流操作和层流操作。具体的，生成一个概率随机数并获取预设的层流概率，根据概率随机数和层流概率可以判断对初始装载序列进行层流操作还是湍流操作，从而更新水流位置，即更新优化初始装载序列。

步骤S802，若概率随机数小于层流概率，则执行层流操作更新水流微粒的位置坐标，否则执行湍流操作更新水流微粒的位置坐标。

在一些实施例中，比较概率随机数和层流概率的大小，如果概率随机数小于层流概率，则对各个水流微粒执行层流操作更新，否则随机对某个水流微粒执行湍流操作。然后评估每个水流微粒的移动方向并根据式（22）更新水流微粒的位置坐标，本实施例对此不做限制。

步骤S803，基于位置坐标，调整初始装载序列得到候选装载序列，并设置优化次数增一。

在一些实施例中，每个水流微粒对应一个随机数序列，每个随机数包括位置索引，并且每个随机数表征水流微粒的位置坐标，而位置索引表征包裹的尺寸类型。具体的，对更新后水流微粒的位置坐标进行降序排序，得到排序结果。然后根据排序结果对位置索引进行排序，以调整尺寸类型的排序顺序得到对应的候选装载序列，由此可以将连续型数值转换为整数型数值，从而将其转换为装载序列。对应的，设置优化次数增一，即对装载序列完成一次优化更新，可以理解的是，优化次数的初始值为0，对应为初始装载序列。

步骤S804，基于候选装载序列执行包裹装箱过程，直至满足装载结束条件，得到对应的候选装载方案，并计算候选装载方案的候选装载指标。

在一些实施例中，基于候选装载序列执行上述步骤S201至步骤S202的包裹装箱过程，直至包裹全部装箱或者剩余空间为零，即剩余空间堆栈为空，得到对应的实际装箱过程对应的候选装载方案。然后根据式（2）至（11）计算候选装载方案的体积利用率、质量利用率/>和重心距离/>，并结合预设的体积权重/>、质量权重/>和重心权重/>根据式（1）从而计算得到候选装载指标/>，本实施例对此不做限制。

步骤S805，若候选装载指标小于初始装载指标，则丢弃候选装载序列并复原水流微粒更新前的位置坐标，否则将候选装载序列作为新的初始装载序列重复上述过程。

在一些实施例中，判断候选装载指标和初始装载指标的大小，如果候选装载指标小于初始装载指标，则说明这次优化得到的候选装载序列的装载效果不如初始装载序列的装载效果，丢弃该候选装载序列并复原水流微粒更新前的位置坐标。如果候选装载指标大于或等于初始装载指标，则将候选装载序列作为新的初始装载序列，将候选装载指标作为新的初始装载指标，然后重复上述步骤S801至S805的过程，本实施例对此不做限制。

步骤S806，直至优化次数达到预设优化次数，将候选装载序列作为目标装载序列。

在一些实施例中，预设的指标条件还包括预设优化次数，对水流微粒执行一次湍流操作或者层流操作即对装载序列进行一次优化。当优化次数达到预设优化次数时，将候选装载序列作为目标装载序列，可以理解的是，当有多个候选装载序列时，选择候选装载指标最大的候选装载序列作为目标装载序列。

由此通过预设的水流优化算法快速调整优化装载方案，指导快递包裹的三维装箱过程，使其符合预设的指标条件，以满足多种装载需求。本申请使用动态组合块生成算法及剩余空间合并算法指导装载过程，能够对不同尺寸类型的包裹进行预装载动态生成组合块，可以同时考虑实际情况的多种装载约束规则，更大程度上减少空间浪费，并通过预设的编码规则利用随机数的位置坐标和位置索引使得连续型变量转换为离散型变量，从而使得水流优化算法能够用于解决整数优化问题。

本发明实施例还提供一种三维装箱装置，可以实现上述三维装箱方法，参照图16所示，在本申请一些实施例中，三维装箱装置包括：

获取模块100，用于获取多个包裹的尺寸类型，并根据尺寸类型生成初始装载序列；

装载模块200，用于基于初始装载序列执行包裹装箱过程，包裹装箱过程包括：获取剩余空间，并从初始装载序列中选取同一尺寸类型的包裹，利用预设的装载约束规则在剩余空间进行预装载，生成尺寸类型对应的组合块；剩余空间的初始值为货箱的最大容积；根据组合块在剩余空间中的位置生成至少一个未装载空间，并对未装载空间进行空间合并，以更新剩余空间；

计算模块300，用于重复包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算初始装载方案的初始装载指标；

优化模块400，用于利用预设的水流优化算法对初始装载序列进行优化得到目标装载序列；目标装载序列对应的目标装载指标满足预设的指标条件，指标条件包括目标装载指标大于初始装载指标。

本实施例的三维装箱装置的具体实施方式与上述三维装箱方法的具体实施方式基本一致，在此不再一一赘述。

图17示出了本申请实施例提供的电子设备1000。电子设备1000包括：处理器1001、存储器1002及存储在存储器1002上并可在处理器1001上运行的计算机程序，计算机程序运行时用于执行上述的三维装箱方法。

处理器1001和存储器1002可以通过总线或者其他方式连接。

存储器1002作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序，如本申请实施例描述的三维装箱方法。处理器1001通过运行存储在存储器1002中的非暂态软件程序以及指令，从而实现上述的三维装箱方法。

存储器1002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储执行上述的三维装箱方法。此外，存储器1002可以包括高速随机存取存储器1002，还可以包括非暂态存储器1002，例如至少一个储存设备存储器件、闪存器件或其他非暂态固态存储器件。在一些实施方式中，存储器1002可选包括相对于处理器1001远程设置的存储器1002，这些远程存储器1002可以通过网络连接至该电子设备1000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现上述的三维装箱方法所需的非暂态软件程序以及指令存储在存储器1002中，当被一个或者多个处理器1001执行时，执行上述的三维装箱方法，例如，执行图1中的方法步骤S101至步骤S104和步骤S201至步骤S202、图2中的方法步骤S301至步骤S304、图6中的方法步骤S401至步骤S404、图7中的方法步骤S501至步骤S504、图9中的方法步骤S601至步骤S603、图10中的方法步骤S701至步骤S703、图15中的步骤S801至步骤S806。

本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，该存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述三维装箱方法。存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例提供的三维装箱方法、装置、电子设备及存储介质，方法中通过获取多个包裹的尺寸类型，并根据尺寸类型生成初始装载序列，然后基于初始装载序列执行包裹装箱过程。首先获取货箱的剩余空间，并从初始装载序列中选取同一尺寸类型的包裹，利用预设的装载约束规则在剩余空间中进行预装载，从而生成该尺寸类型对应的组合块。然后根据组合块在剩余空间中的位置生成至少一个未装载空间，并对未装载空间进行合并以更新剩余空间。通过重复上述包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算初始装载方案的初始装载指标。最后利用预设的水流优化算法对初始装载序列进行优化，直至得到装载指标满足指标条件的目标装载序列。由此对不同尺寸类型的包裹进行预装载动态生成组合块，可以同时考虑实际情况的多种装载约束规则，并通过预设的水流优化算法快速调整优化装载方案使得符合预设的指标条件，以满足多种装载需求。

本申请在考虑多规格快递包裹装载的问题之上，根据实际的约束规则，重新考虑限制条件，将质量利用率以及重心位置偏离程度与体积利用率一并纳入装载指标的评价标准，从多角度进一步考察算法的性能。本申请不采用传统的精确算法求解快递包裹装载问题，而采用新式的智能优化算法水流优化算法与针对特定问题的启发式规则相结合去求解该问题，使得在各种情形下的求解速度都较快。同时本申请在存储空间上不需要存储各种类型的组合块，而是使用动态组合块生成算法根据剩余空间和待装载包裹动态生成，节省了存储空间的利用，在空间复杂度上较为优越，面对较大数据量的时候也能够完成求解。本申请的研究还考虑了当下多品种，小批量货物运输的现状以及装车顺序等因素，使得本申请与实际的装载场景和需求更加贴切。具体的，本申请同时考虑三维装箱模型在快递包裹装载问题中的应用，兼顾了实际情况下各种约束，设计了一套适用于快递包裹装载问题的启发式算法，并且在算法设计上优化计算效率。

（1）考虑快递包裹装载过程中的方向约束及稳定性约束，防止由于倒放、悬空放置等问题对包裹造成损坏，在运送易碎物品时，保证运载过程中包裹的安全性和物品的完整性；

（2）考虑快递包裹装载过程中的装载顺序，多品种包装箱的影响，以及装载结束后整车的重心位置，在这些限制下求解问题，使得本算法与实际的应用更加切合；

（3）设定装载指标时同时考虑上述提到的各种约束规则以及传统的三维装箱问题的约束规则，并在此基础上再将质量利用率以及重心位置偏离程度与体积利用率一并纳入评价标准，从多角度进一步考察算法的性能；

（4）使用水流优化算法进行装载序列的优化求解，将多维向量搜索模式与一维搜索模式结合起来，提高计算效率的同时，避免精确算法求解时间过长带来的缺点。

以上所描述的实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质（或非暂时性介质）和通信介质（或暂时性介质）。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息（诸如计算机可读指令、数据结构、程序模块或其他数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘（DVD）或其他光盘存储、磁盒、磁带、储存设备存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包括计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

还应了解，本申请实施例提供的各种实施方式可以任意进行组合，以实现不同的技术效果。以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的共享条件下还可作出种种等同的变形或替换。

Claims (8)

1.一种三维装箱方法，其特征在于，包括：

获取多个包裹的尺寸类型，并根据所述尺寸类型生成初始装载序列；

基于所述初始装载序列执行包裹装箱过程，所述包裹装箱过程包括：

获取剩余空间，并从所述初始装载序列中选取同一尺寸类型的所述包裹，利用预设的装载约束规则在所述剩余空间进行预装载，生成所述尺寸类型对应的组合块；所述剩余空间的初始值为货箱的最大容积；

根据所述组合块在所述剩余空间中的位置生成至少一个未装载空间，并对所述未装载空间进行空间合并，以更新所述剩余空间；

重复所述包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算所述初始装载方案的初始装载指标；

利用预设的水流优化算法对所述初始装载序列进行优化得到目标装载序列；所述目标装载序列对应的目标装载指标满足预设的指标条件，所述指标条件包括所述目标装载指标大于所述初始装载指标；

所述尺寸类型包括尺寸参数；所述获取多个包裹的尺寸类型，并根据所述尺寸类型生成初始装载序列，包括：

生成至少一个随机数序列；每个所述随机数序列中包括多个随机数，每个所述随机数对应一个所述尺寸类型；

对所述随机数序列进行降序排列得到排列结果，根据所述排列结果对所述尺寸类型进行排序，得到第一装载序列；

对所述尺寸类型的包裹底面积进行降序排列，生成第二装载序列；所述包裹底面积根据所述尺寸参数计算得到；

根据所述第一装载序列和所述第二装载序列得到所述初始装载序列；

所述水流优化算法包括水流微粒，每个所述水流微粒对应一个所述随机数序列，每个所述随机数包括位置索引，所述随机数表征所述水流微粒的位置坐标，所述位置索引表征所述尺寸类型；所述水流优化算法还包括湍流操作和层流操作；所述指标条件还包括预设优化次数；所述利用预设的水流优化算法对所述初始装载序列进行优化得到目标装载序列，包括：

生成一个概率随机数，并获取预设的层流概率；

若所述概率随机数小于所述层流概率，则执行所述层流操作更新所述水流微粒的位置坐标，否则执行所述湍流操作更新所述水流微粒的位置坐标；

基于所述位置坐标，调整所述初始装载序列得到候选装载序列，并设置优化次数增一；包括对所述水流微粒的所述位置坐标进行降序排序，得到排序结果；根据所述排序结果对所述位置索引进行排序，以调整所述尺寸类型的排序顺序得到所述候选装载序列；

基于所述候选装载序列执行所述包裹装箱过程，直至满足所述装载结束条件，得到对应的候选装载方案，并计算所述候选装载方案的候选装载指标；

若所述候选装载指标小于所述初始装载指标，则丢弃所述候选装载序列并复原所述水流微粒更新前的位置坐标，否则将所述候选装载序列作为新的初始装载序列重复上述过程；

直至所述优化次数达到所述预设优化次数，将所述候选装载序列作为目标装载序列。

2.根据权利要求1所述的三维装箱方法，其特征在于，所述尺寸类型包括尺寸参数；所述从所述初始装载序列中选取同一尺寸类型的所述包裹，利用预设的装载约束规则在所述剩余空间进行预装载，生成所述尺寸类型对应的组合块，包括：

获取所述初始装载序列中同一所述尺寸类型对应的所述包裹；每个所述包裹包括根据所述尺寸参数计算得到的包裹容积；

若所述剩余空间小于所述包裹容积，则更新所述剩余空间，否则逐一选取所述包裹进行预装载得到预装载数量；

基于所述装载约束规则对所述预装载数量的所述包裹进行合并，得到所述组合块；所述组合块包括所述包裹的装载位置；

根据预设的装载规则将所述组合块装载至所述剩余空间；所述装载规则包括方向规则、位置规则；根据所述方向规则，将所述组合块中每个所述包裹的最大表面积的面作为底面，按照所述装载位置装载所述包裹至所述剩余空间；和/或，根据所述位置规则，将所述组合块装载至所述剩余空间的左后下角。

3.根据权利要求2所述的三维装箱方法，其特征在于，所述根据所述组合块在所述剩余空间中的位置生成至少一个未装载空间，并对所述未装载空间进行空间合并，以更新所述剩余空间，包括：

在所述组合块的第一方向获取所述剩余空间中的第一未装载空间，在所述组合块的第二方向获取所述剩余空间中的第二未装载空间，在所述组合块的第三方向获取所述剩余空间中的第三未装载空间；

基于所述第一未装载空间、所述第二未装载空间和所述第三未装载空间得到可转移空间；

若所述第一未装载空间大于所述第二未装载空间，则将所述可转移空间划分至所述第一未装载空间，否则将所述可转移空间划分至所述第二未装载空间；

将所述第三未装载空间、所述第二未装载空间和所述第一未装载空间分别作为新的剩余空间并插入至剩余空间堆栈；其中，包括所述可转移空间的所述剩余空间最后入栈。

4.根据权利要求3所述的三维装箱方法，其特征在于，所述若所述剩余空间小于所述包裹容积，则更新所述剩余空间，包括：

若所述剩余空间不包括所述可转移空间，则将所述剩余空间作为废弃空间，否则从所述剩余空间堆栈中取出目标剩余空间；

将所述可转移空间合并至所述目标剩余空间，并将移除所述可转移空间的所述剩余空间作为废弃空间；

将所述目标剩余空间插入至所述剩余空间堆栈，并将所述废弃空间插入至废弃空间堆栈。

5.根据权利要求4所述的三维装箱方法，其特征在于，所述对所述未装载空间进行空间合并，以更新所述剩余空间，包括：

对于任一个所述剩余空间，遍历所述剩余空间堆栈和所述废弃空间堆栈，获取与所述剩余空间相邻的待合并空间；其中，所述待合并空间包括剩余空间和/或废弃空间；

获取所述剩余空间和所述待合并空间的总空间，并获取所述总空间的底面；

在所述底面中生成最大矩形，并根据所述最大矩形从所述总空间中得到目标剩余空间。

6.一种三维装箱装置，其特征在于，应用如权利要求1至5中任一项所述的三维装箱方法，包括：

获取模块，用于获取多个包裹的尺寸类型，并根据所述尺寸类型生成初始装载序列；所述尺寸类型包括尺寸参数；所述获取多个包裹的尺寸类型，并根据所述尺寸类型生成初始装载序列，包括：生成至少一个随机数序列；每个所述随机数序列中包括多个随机数，每个所述随机数对应一个所述尺寸类型；对所述随机数序列进行降序排列得到排列结果，根据所述排列结果对所述尺寸类型进行排序，得到第一装载序列；对所述尺寸类型的包裹底面积进行降序排列，生成第二装载序列；所述包裹底面积根据所述尺寸参数计算得到；根据所述第一装载序列和所述第二装载序列得到所述初始装载序列；

装载模块，用于基于所述初始装载序列执行包裹装箱过程，所述包裹装箱过程包括：获取剩余空间，并从所述初始装载序列中选取同一尺寸类型的所述包裹，利用预设的装载约束规则在所述剩余空间进行预装载，生成所述尺寸类型对应的组合块；所述剩余空间的初始值为货箱的最大容积；根据所述组合块在所述剩余空间中的位置生成至少一个未装载空间，并对所述未装载空间进行空间合并，以更新所述剩余空间；

计算模块，用于重复所述包裹装箱过程，直至满足预设的装载结束条件，得到对应的初始装载方案，并计算所述初始装载方案的初始装载指标；

优化模块，用于利用预设的水流优化算法对所述初始装载序列进行优化得到目标装载序列；所述目标装载序列对应的目标装载指标满足预设的指标条件，所述指标条件包括所述目标装载指标大于所述初始装载指标；所述水流优化算法包括水流微粒，每个所述水流微粒对应一个所述随机数序列，每个所述随机数包括位置索引，所述随机数表征所述水流微粒的位置坐标，所述位置索引表征所述尺寸类型；所述水流优化算法还包括湍流操作和层流操作；所述指标条件还包括预设优化次数；所述利用预设的水流优化算法对所述初始装载序列进行优化得到目标装载序列，包括：生成一个概率随机数，并获取预设的层流概率；若所述概率随机数小于所述层流概率，则执行所述层流操作更新所述水流微粒的位置坐标，否则执行所述湍流操作更新所述水流微粒的位置坐标；基于所述位置坐标，调整所述初始装载序列得到候选装载序列，并设置优化次数增一；包括对所述水流微粒的所述位置坐标进行降序排序，得到排序结果；根据所述排序结果对所述位置索引进行排序，以调整所述尺寸类型的排序顺序得到所述候选装载序列；基于所述候选装载序列执行所述包裹装箱过程，直至满足所述装载结束条件，得到对应的候选装载方案，并计算所述候选装载方案的候选装载指标；若所述候选装载指标小于所述初始装载指标，则丢弃所述候选装载序列并复原所述水流微粒更新前的位置坐标，否则将所述候选装载序列作为新的初始装载序列重复上述过程；直至所述优化次数达到所述预设优化次数，将所述候选装载序列作为目标装载序列。

7.一种电子设备，其特征在于，包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的三维装箱方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至5中任一项所述的三维装箱方法。