布局问题(Packing问题)，其研究背景包括印刷电路板(PCB)布局方案设计,航天器舱的布局方案设计，工厂机床摆放问题等。求解这些问题不仅要求待布物能放置在尽可能小的空间内，而且还必须满足多个约束条件。因此，这些布局问题称为带性能约束的布局问题。平衡约束的圆集Packing问题(ECPP问题)是其中最典型的一类。由于它的NP属性，被国内外学者广泛研究，并提出了许多有效的算法，例如，启发式算法和演化算法(模拟退火、禁忌算法、蚁群算法、粒子群算法和遗传算法)等。由于启发式算法的针对性强，演化算法的效率提高遇到干涉量计算的瓶颈问题，故学者们一直在探索将启发式算法与演化算法相结合的混合算法。本课题组在湖南省自然科学基金的支持下，以卫星舱布局设计为背景，对ECPP问题的启发式算法、阶梯式优化策略和并行蚁群优化进行研究，取得了多项研究成果，提高了算法的计算效率、求解精度和稳定性。其主要工作如下：(1)针对ECPP问题，提出一种快速启发式构造的随机搜索算法(HRSA)。其可行解的启发式构造是在轮盘赌选择的定序概率公式中将半径和质量都作为启发信息,以及外围逆时针排列定位待布圆，其定序定位规则比徐义春(2007，控制与决策)提出的逐步定序定位算法降低了计算复杂度，且构造的布局方案的外包络半径和静不平衡量更小。实验结果表明：FHRSA比已有随机搜索算法提高了计算精度和效率。.(2)针对ECPP问题，提出一种快速启发式蚁群算法(FHACOA)。文中算法充分利用蚁群算法的正反馈原理，将提出的发式方法与蚁群优化相结合，以避免迭代过程中的干涉量计算，提高ECPP的求解效率和计算精度。实验结果验证了所提出算法的有效性。(3)针对ECPP问题，提出一种并行阶梯式蚁群算法(SPACOA)。文中阶梯式蚁群优化是将解空间分成若干多子空间，然后依次优化每一个子空间的解分量。其子空间的优化是在整个解空间上对种群进行给定次数的蚁群迭代，并且已优化的子空间分量保持不变。将并行机制和提出阶梯式蚁群优化结合，进一步提高平衡约束的圆集Packing问题的计算精度、计算效率和算法的稳定性。实验结果验证了所提出算法的有效性。本文以卫星舱布局问题为背景,研究了带平衡约束的圆集布局问题,提出的算法具有很好的性能，希望能将它们应用到其它带性能约束的布局问题求解。