随着全球互联网技术的普及,人民生活水平的不断提高以及电子商务产业的迅猛发展,使得人们的消费方式发生了巨大改变,2020年“双十一”购物狂欢节当天国内物流订单超过10亿件,这给物流运输行业带来了巨大的发展空间,与此同时也加快了物流运输行业的发展步伐。我国物流运输业起步较晚,发展快,行业标准不完善,物流现代化,专业化能力不足。物品包装策略的制定主要依靠人工经验,造成大量资源浪费。提高物流专业化程度,制定科学的行业标准,提高装载效率,减少资源浪费,最基本的环节是探索高速、有效、科学的装载方式。一方面使用科学的装载标准可以取代人工装载的随意性和杂乱性,提高装载效率;另一方面可以减少资源浪费,减少塑料袋的使用数量,为保护环境做出贡献。本文研究的多塑料袋装载成本最小化问题对于促进我国物流行业的现代化和标准化,对于建立专业化、规模化的物流体系,对于减少塑料袋使用数量尤为重要。对现有国内外相关文献进行综述发现目前关于装箱问题研究的主要容器为三维集装箱,关于以塑料袋为目标容器制定包装策略的相关研究比较少,关于求解装箱问题的主要解决方案为设计启发式算法求解,本文提出的多塑料袋装载成本最小化问题是以塑料袋这种柔软的外包装材料作为目标容器,这是一种容器体积可变的集装箱装载问题,研究目标是使用最低成本的塑料袋组合将所给的全部待装物品打包完成。本文研究的多塑料袋装载成本最小化问题是一个具有广泛应用场景和重要现实意义的研究课题,该课题是一个复杂的多约束组合优化和NP-hard问题。本文的研究内容主要分为以下四个部分:第一部分是根据物流运输行业的实际问题建立组合优化模型,确定研究目标,明确研究方向。对于多种两面扁平,长宽不同的矩形塑料袋,和一系列可旋转的长方体块,建立组合优化模型,使用尽可能低成本的塑料袋组合使得所有的长方体块都被装载到塑料袋中,模型目标为塑料袋组合策略成本最小。第二部分是为组合优化模型设计基于多背包问题的两阶段前向树搜索算法。第一阶段通过使用CPLEX求解多背包问题,确定所有待装货物所需的塑料袋组合和装载货物的分组策略;第二阶段设计前向树搜索算法求解单塑料袋装载问题,确定一组货物在一个塑料袋内部的具体装载细节。第三部分是根据实际调研结果和文献数据设计合理的测试算例,根据待装物品的异构程度分为高,中,低三类,共8组8000条测试数据,并使用基于两阶段的前向树搜索算法求解8000组测试算例。第四部分是通过引入统计学和机器学习对启发式算法进行优化,并且比较了各个算法在不同场景下的性能,分别从时间维度,单塑料袋装载率维度和成本维度三个方面进行比较。实验结果表明,基于多背包问题的两阶段前向树搜索算法在解决多塑料袋装载成本最小化问题上具有良好的性能。使用机器学习改进基于多背包问题的两阶段前向树搜索算法后,针对不同异构程度的算例,算法的运行时间都能得到大幅度的提升。本文聚焦于当下快速发展的物流和快递行业,选择多塑料袋装载成本最小化问题为主要研究方向,补充了当前三维装箱问题在塑料袋装载问题领域的研究理论。针对多塑料袋装载成本最小化问题建立组合优化模型,设计基于多背包问题的两阶段前向树搜索算法,通过收集行业数据特征,分析现有的三维装箱问题实例,生成测试算例,并利用统计学和机器学习改进启发式算法的局部求解能力,通过对子问题和局部解进行改进,得到更高质量的全局解,最终优化求解时间。这对使用统计学和机器学习提高双层结构决策算法性能具有理论价值,为具有相同研究特征和类似结构的问题带来了新的求解思路,丰富了相关研究的研究方法。