为了提高货物装卸的效率,托盘作为物流业中最基本的集装单元,在物流行业中得到了广泛的应用。托盘装载问题（Pallet Loading Problem,PLP）,即码垛问题,是指如何把货物装入托盘中以最大化托盘的利用率。随着国际贸易的发展和国内电商的迅速崛起,实物商品交易中买卖双方对物流时效性提出了越来越高的要求,对码垛系统的实时性要求提出了新的挑战。传统企业在进行货物的托盘码垛时,仍然依靠人工计算和操作,一些企业即使引进了码垛系统,也难以适应复杂的码垛情况,难以满足物流的实时性要求。因此,研究在线机器人混合码垛算法,实现机器人在线实时码垛,提高托盘的利用率和码垛效率,具有重要的现实意义。在线码垛由于货物顺序未知,在选择摆放位置时,不仅要考虑装箱方案当前的状态,还需要考虑该方案对未来货物的影响,因此如何设置合适的评价策略,在短时间内选出最合适的摆放位置,是在线码垛算法的关键;此外,机器码垛跟传统装箱问题不同,在计算摆放位置时,必须考虑方案的机器可操作性,如何在装箱过程中考虑机器码垛的约束,是在线码垛算法的另一个难点。针对物流企业面临的上述痛点和难点,本文提出了一种可实现托盘快速装载的在线混合码垛算法。该算法主要由三部分组成:第一部分是剩余空间的表示以及货物的放置,这一部分受到了码垛机械手的限制,着重对机械手在托盘码垛中所遇到的干涉情况进行了分析和规避;第二部分是迭代前瞻树搜索算法,先是基于概率对在线货物进行预测和选取,然后对货物的合法放置方式进行模拟试错,如此循环,直到将树结构模拟延伸至指定层数为止;第三部分是针对剩余货物的贪婪放置算法,在树结构的叶结点上,对剩余货物采用贪婪策略进行快速码垛以获得完整的码垛方案。第三部分结束之后,算法会将码垛结果从树结构的叶结点上传到根节点,于是根节点即可根据结果选出最佳的放置方式,另外为了保证贪婪结果的一般性,在每个叶结点都会进行多次贪婪采样并上传。本文选取LKK公司的248个真实订单数据进行测试。所提出的在线算法与离线算法相比,实验结果差距不大,都取得了不错的码垛效率和托盘利用率,成功实现了在线混合码垛,验证了本文算法的可行性和有效性。本文对各个实验组进行了比较,分析不同的评价策略对实验结果的影响程度,为在线码垛中如何选取合适的评价策略提供了思路和参考。最后,本文还对托盘的码垛过程和装载方案进行了三维可视化展示,实现了动态仿真。