经济的迅速发展刺激着人们的生活需求,加之目前网络及网上购物的不断普及,促使网购货品种类和数量不断增加,这意味着在网络大趋势下将迎来大量不同规格货物的运输。货物运输种类的不断增加给集装箱运输带来了巨大的压力。三维装箱问题是典型的NP困难问题。许多研究者对这一问题做了大量的研究,但仍难以得到有效的解决方案。近年来,一些研究人员提出了一些算法来解决三维装箱问题,并取得了良好的效果,但几乎每个算法都存在计算时间较长问题,或者只适用于待装货物种类较少的情况,与当今社会的发展形势相比,其算法具有很大的挑战性,所以我们需要从实际情况出发,对三维装箱问题进行深入研究,找到适合当下发展趋势的方法。改进随机森林算法是利用目前较新的极快决策树算法的寻优规则来替换随进森林中CART树部分,因此大大缩短了算法的计算时间。本文将改进随机森林算法应用到三维装箱问题中,算法首先将待装货物数据Bagging成设定的决策树数量;其次,对于每组待装货物数据,先确定其对应的最优特征,然后将集装箱的每个装载层看做一棵树;最后,在符合集装箱剩余空间的待装货物中选择特征值最大的装入,每装入一个都要更新刚装入箱子的上部和前部剩余空间,避免空间浪费,保证集装箱的空间利用率。由于改进随机森林算法复杂度低且以极快决策树提升了算法时间,又因为通过启发式搜索算法保证了集装箱空间利用率,可以得到较好的装箱效果,所以本文的研究具有较高的研究价值。本文的主要研究内容为:第—,通过对三维装箱问题的研究,确定了装箱约束条件,建立了相应的数学模型。第二,采用改进的随机森林算法求解三维装箱问题。首先介绍了集成学习模型、决策树、快速决策树、启发式算法和随机森林算法的基本思想和算法流程;设计了改进随机森林算法在集装箱装载中的应用和实现步骤;最后,该算法由编程实现。第三,将通过融合启发式搜索算法和极快决策树改进得到的随机森林算法利用BR1-BR10这1000个实例进行实验测试,并与GRASP、Maximal-spac e、HSA、CLTRS、MLHS、FDA、MOA等同样运用这些实例的算法得到的装箱结果进行比较分析,验证了本文算法的可行性和有效性。本文的结论如下:本文利用BR1-BR10共1000个算例对改进的随机森林算法测试,并将测试结果与目前较经典的装箱算法相比较,证明了使用改进的随机森林算法实现三维包装问题的有效性和可行性。但该算法仍存在一些不足,如容器利用率低。图16表13参91