集装箱装载问题(Container Loading Problem, CLP)是物流配送的重要环节,其方案的优劣对整个物流系统的效率以及运输成本有着重大的影响,但CLP是一个具有复杂约束条件的组合优化问题,在理论上属于NP-hard问题,需要设计性能良好的算法进行求解。蚁群优化算法(ACO)是一种新兴的智能优化算法,特别适合求解困难的组合优化问题。在旅行商、车辆调度等问题中得到广泛的应用,取得良好的效果。因此,本文尝试采用蚁群优化算法进行求解CLP。设计了基于食物量分配的多种群二元蚁群优化算法(FMPBACO),算法中根据食物量决定种群中蚂蚁的数量以及种群的生灭,种群之间通过信息素混合相互学习。同时分析了算法的复杂度,并应用在0/1多背包问题,通过SAC-94 Suite测试集的求解表明算法具有良好的性能。针对CLP的特点,定义了空间三叉树,对可利用空间采用三叉树划分策略。针对弱异类集装箱装载问题,设计了一种结合启发式规则的混合FMPBACO进行求解,算法中先利用FMPBACO确定预备装入货物集,再用启发式规则决定货物的装入优先级顺序,同时分析了算法的复杂度。通过两个弱异类实例的测试,表明算法得到的装载方案有较高的空间利用率。针对强异类集装箱装载问题,设计了一种混合蚁群算法。算法中搜索空间分为货物摆放的优先序列和货物摆放的状态两部分;引入体积大的货物优先放入的启发式规则;将蚂蚁搜索得到的序列与历史最优序列进行交叉,取三者最优序列作为该蚂蚁的搜索路径;在更新信息素时,采取两种挥发系数更新信息素以避免信息素过快饱和,同时分析了算法的复杂度。通过三个强异类实例的测试,表明算法得到的装载方案也有较高的空间利用率。