三维装箱问题是一种组合优化问题,其广泛运用于生产生活中各个领域,在物流运输行业中的应用尤为突出。在物流配送过程中,装箱是一个关键的步骤,合理的装箱方案可以大大提高空间利用率,提高工作效率,从而提高自动化水平。对企业而言,可大大降低成本,提高企业竞争力,而在应急物流当中,则可以优化应急物资的装载与分配,最大程度挽救生命,因此对三维装箱问题的研究有着重大意义。前人已经对三维装箱问题进行过大量研究,但基本上都是针对离线装箱问题,离线装箱并未将顺序约束考虑到问题中,而现实中许多的装箱问题都必须考虑按一定的顺序装箱。因此,本文在前人研究的基础上,提出了一种针对于半在线装箱问题的混合免疫遗传算法,以更好地解决生产生活中遇到的问题。论文首先介绍了三维装箱问题的国内外研究现状,并对各种装箱问题进行分类介绍,同时给出了解决组合优化问题的一般求解方法;然后提出了针对半在线三维装箱问题的启发式算法,并对其进行了模型的建立与仿真,仿真结果表明单一的启发式算法快速性十分优秀,但在适应性上有待提高,基于此,提出一种启发式算法和免疫遗传算法相结合的混合免疫遗传算法。算法首先由免疫遗传算法生成货物的空间分布,再利用启发式算法求得货物最终坐标。通过多组数据的仿真实验验证该算法的适应性,收敛性和快速性。免疫遗传算法中采用了有效的矩阵编码形式,并设计合理的遗传算子,保证了算法的快速收敛。在算法中,提出了接触率的概念来衡量算法的稳定性,同时目标函数兼顾空间利用率和稳定性,提高了算法的可行性。最后以多组随机数据再次对算法进行了仿真与实验,结果表明,算法快速性良好,且能适应尺寸在一定范围内的强异构类型货物,能够很好地解决流水线上遇到的半在线装箱问题。本文在半在线装箱这一领域进行了多次尝试和探索,最终提出的混合免疫遗传算法虽存在一定的不足,但为以后相关研究提供了一种新的思路,具有一定的指导意义。