三维装箱问题属于典型的组合优化问题,在物流装载、仓储分配等问题中有广泛的应用场景。特别是在我国物流行业高速发展的今天,装箱效率是物流企业不可回避的优化方向。在一定时间内计算出合理的装箱方案能帮助企业降低物流成本,减少车辆与人员的浪费现象,如果再配合使用可视化软件或自动化装箱设备将大幅度提高装箱效率,从而增强企业竞争力。因此研究三维装箱问题不仅有极大的理论价值,也有十分重要的经济价值。通过文献调研,目前三维装箱问题在多约束条件下的算法较少,是因为多约束条件下相比传统装箱模型更加复杂,时间与空间复杂度陡增。因此本文对两类实际的多约束装箱问题进行了研究,并针对具有10种约束条件的复杂装箱模型,提出了基于人工装箱经验的启发式算法并针对多约束条件进行了优化,最后本文通过使用190至240个大数量货物对算法设计与优化效果进行了测试,结果均达到了理想效果,具有较大的理论与实践价值,论文主要内容如下:论文首先阐述了连续性装箱问题（Continuous Packing Problem,CPP）的课题背景,介绍了相同订单的货物需相邻摆放的基本要求,围绕CPP问题提出了耐重、车厢平衡等多项约束条件,建立了三维装箱问题的数学模型,提出了连通体利用率、高长比等指标。针对CPP问题,本文提出了紧凑布局与连通体布局两种方案,将装箱问题优化为了多个子问题求解。其中紧凑布局利于简单问题、单订单问题的快速求解,而连通体布局则是将货物按照订单为单位,将订单组合为不同连通体,保证了货物连续的要求,相比紧凑布局更灵活,利于调整车厢平衡。基于连通体的布局方案,本文接着提出了连通体组、Z形摆放等装箱方案以及车厢平衡调整方案。算法在多约束条件下,空间利用率平均为72.92%,最高达到81.3%,达到了理想效果。接着,本文针对平铺策略的装箱问题（Tile Packing Problem,TPP）进行了背景阐述,结合约束条件建立了数学模型,提出了平整度、子空间利用率等指标。针对TPP问题,本文在空间分割法、空间合并法基础之上提出了增强平铺效果的异构子空间概念,并针对空间分割法等存在的问题进行了分析,结合子空间数量较多,时间复杂度大等问题,提出了延迟合并、悬空子空间、最佳子空间、重复子空间等优化方案,通过这些方案使得装箱效果更为平整。最终的实验测试表明,空间利用率达到了86.4%,与对比实验相比增加了近4%,平铺效果较好,并同时减少了计算量。本文最后针对三维装箱算法设计开发了可视化三维装箱系统,并进行了模块设计与功能的介绍,系统的可视化操作不仅提高了工人的装箱效率也提高了算法开发效率。