装箱问题是一类非常典型的NP-hard问题,具有很重要的理论价值与实际应用意义。这类问题的共同目的就是把若干“物体”放入指定的“箱子”中,而最终使用的“箱子”数最少。如计算机操作系统中的资源分配、服装行业中的面料裁剪、现实生活中物件的整理等各个领域都有着广泛的应用。另一方面,装箱问题作为较早研究的NP-hard问题之一,对该问题的研究也为研究其它NP-hard问题提供了重要的理论研究意义。因此,对装箱问题的研究具有十分重要的价值。　　 从二十世纪七十年代初开始,人们就开始研究装箱问题,至今已有近四十年的历史。许多著名的组合优化方面的学者都对装箱问题表现出了很大的兴趣并且提出了很多解决装箱问题的方法与理论,尽管如此,对该问题的研究还远未结束。　　 本文在总结前人对装箱问题研究的基础上,通过对BF、FFD近似算法与分组遗传算法的结合,提出了解决装箱问题的一种混合分组遗传算法。其主要思想是设计一种适应度函数,利用分组遗传算法结合BF算法和FFD算法来对此适应度函数进行优化,从而求得一个优化的装箱结果。用C++实现该算法并对装箱实例进行仿真实验,结果表明:在遗传算子的交叉操作过程中采用FFD+GGA的混合算法要比BF+GGA的混合分组遗传算法运算结果更好,在大部分情况下用很短的时间都可求得最优解,是一种解决装箱问题的有效方法。