多份客户订单的货物拼箱和混合装载的物流运作实践增加了经典装箱问题的复杂性和多变性,根据货物不同属性而实施不同的处理要求是问题根本,如物理属性(如挥发气味、易碎等)、安全性(电池等)、卫生性(药品)等特殊性处理要求,使得货物在进行同一装载单元内混合装载时存在冲突关系,即货物集合中的某两件货物不允许同时装入同一装载单元存储和运输,货物冲突成为当前混合物流装载和运输情况下高频热点决策问题之一,派生出带有货物冲突关系的装箱问题。论文针对带有强异构货物冲突关系的装箱问题进行研究,建立了二维装箱整数规划模型,该模型归属于离散组合优化模型,以最少使用货箱资源为优化目标,完善了冲突关系、位置关系、负载平衡、外尺寸关系等重要约束条件。进而,为适用于强异构关系的二维装箱问题求解,设计了混合混沌粒子群算法,打破了标准粒子群算法在求解过程中的局限性,克服了其易陷入局部极值的缺点。主要改进包括:第一,采用与迭代次数自适应的惯性权重进行粒子的速度和位置更新,以实现在后期迭代过程中放慢搜索速度,更为精准地定位全局最优解。第二,在粒子搜索阶段,引入遗传算法对于邻域解的生成策略,采用精英两点交叉和变异操作对群体中的粒子进行更新,改善邻域解的搜索能力。第三,利用混沌理论中混沌本身所蕴含的遍历性、伪随机性的特性,基于Logistic映射的混沌搜索优化思想,设计动态优化策略,改善粒子的搜索精度。最后,为验证模型有效性及其算法改善性能,基于小、中、大规模下货物数量N以及不同数据维度的冲突稀疏度两个角度,论文设计了27组数值实验,深入分析了装箱面积利用率、冲突稀疏度变化对装箱数及装箱效果的影响;从解的收敛速度、稳定性等方面,分析了改进的标准粒子群算法的性能改善情况。数值实验结果表明,论文提出的模型及其算法有效。带有强异构货物冲突关系的装箱整数规划模型是经典装箱问题的有益拓展;改进的混合混沌粒子群算法在装箱效果、算法的收敛性能等方面都要优于标准粒子群算法。