COVID-19疫情的暴发,给国际、国内航运都带来了深远影响,集装箱的空箱供应出现全球性紧缺,空箱供应和运力不足直接导致集装箱运费快速上涨,在此背景下,集装箱的综合利用显得尤为重要。合理的装载方案可以优化企业从产品接单、装载,到运输环节的有关配置,从而获得更大的经济效益,因此求解三维集装箱装载问题,对当前环境下的企业生产、物流运输显得尤为重要。经典三维集装箱装载问题的典型求解方法包括启发式、元启发式和混合算法,其目标往往以最大化集装箱空间利用率,从而减少空间浪费为考虑。然而实际的物流运输中,集装箱装载一般需同时对多个目标进行优化。考虑到企业的经济利益,本文将同时最大化集装箱空间利用率和最大化货物总价值作为双优化目标,结合实际情况,以数量约束、方向约束、放置约束和容积约束作为约束条件,建立三维单集装箱多目标布局优化问题的数学模型。针对模型的求解提出一种偏随机密钥自适应NSGA＿Ⅱ（PA＿NSGA＿Ⅱ）多目标优化算法,并在装箱过程中构造了基于动态空间分割的启发式装箱算法,根据制定的空间分割与空间合并规则将货物进行初始装箱,从而得到初始种群;应用PA＿NSGA＿Ⅱ算法对编码长度不一的种群个体执行遗传操作,在种群进化的过程中融入偏随机密钥算法,对每次迭代执行选择、交叉、变异操作的个体数量进行动态随机分配,保证了种群的多样性,防止算法陷入局部最优;通过构造自适应交叉变异算子,提高种群的收敛性;由于本文的优化目标不唯一,在产生新个体后根据设定的权值判断其是否遗传到下一代,旨在求得最优解集,从而进一步求得三维单集装箱多目标布局优化问题的最优解。最后,以领域公共测试数据集LN01—LN15和BR1—BR10为例,采用本文算法对其进行计算,平均填充率分别达到70.26%和91.39%;与其他学者的研究成果比较分析,验证本文算法适用于求解单目标弱异类和强异类装箱优化问题;本文还针对天津某自行车厂的实际数据进行计算和装箱模拟,进一步验证了本文算法在求解多目标优化问题上具有较好的优化性能。综合实验结果分析,验证PA＿NSGA＿Ⅱ在求解三维单集装箱多目标布局优化问题上具有有效性、可行性及实用性。