装箱问题在工业领域及日常生活中的应用十分普遍,例如在布料剪裁、木材加工、物流工业、资源存储与共享调度、排产等问题中有十分重要的应用前景。随着当今世界信息技术、大数据、数据流、数据关系的分析处理的不断发展,为装箱问题的应用又拓展了新的应用领域。三维装箱问题是一个典型的NP难题,对于这个问题的研究,很多学者付出了很多努力,但仍然很难获得有效的求解算法。近几年,一些学者不断提出一些算法来实现三维装箱问题的求解,并且取得了较好的装箱效果,但几乎每个算法都存在自己的局限性,大部分的算法只适用于箱子种类较少的情况,与当今实际应用中待装箱子具有的数量庞大性、异构性强等特点来相比较,显然这类算法就面临着巨大的挑战,因此我们需紧紧依靠实际应用中待装箱子的特点,对三维装箱问题进行深入研究,找到合适的算法。多元优化算法是充分利用了当代计算机的内存来实时记忆存储算法在寻优过程中的获得的信息,因此大大增加了算法在寻优时信息的共享与利用率。本文将多元优化算法用于实现三维装箱问题的求解事,算法首先将随机选择的几个待装箱子以随机选择的摆放方式装入容器中,然后根据目标函数值对随机放入容器的箱子序列作局部调整优化,经过多次的随机放置与局部逐步优化调整以后,目标函数值逐步逼近最优值,从而获得一个较为理想的三维装箱方案。由于多元优化算法实现容易,算法的复杂度较低并且将其应用于装箱文章也能取得较好的装箱效果,所以本文的研究具有较高的研究价值。本文的主要工作为:第一,研究多元优化算法的基本思想原理,分析了多元优化算法的核心思想及核心元素,以及算法用于存储并共享寻优信息的数据结构;接着给出了多元优化算法基本流程和算法的测试简例,以便能更加直观的描述多元优化算法的运行过程。第二,为了证明用多元优化算法实现三维装箱问题的求解的有效性和可行性,本文算法通过对BR1-BR10共1000组三维装箱问题测试实例的进行测试仿真,然后将本文算法的仿真结果与目前已有算法取得的装箱效率进行对比分析,得出本文算法的有效性与可行性。第三,设计并实现便于用多元优化算法实现三维装箱问题的寻优性能测评实验平台,从实验平台的详细介绍、操作说明和实验平台的实例测试三个方面来详细介绍实验平台。第四,在实验平台上用BR1-BRI0中的测试实例做大量测试,实时记录更行测试结果,并将每一组测试结果与其他几种算法进行实验对比。本文得到的结论如下:本文算法依据随机放置、局部调整、逐步逼近思想,提出基于多元优化算法的三维装箱问题的求解算法;算法通过对BR1-BR10共1000个测试实例进行实验仿真,并与其他求解三维装箱问题的算法对比分析,证明了用多元优化算法实现三维装箱问题的方法的有效性和可行性;但是本文算法仍存在参数的设置没有自适应特性、算法运行时间较长等不足。