[发明专利]一种将批量物体通过批量容器进行存放的方法

说明书

本发明公开了一种将批量物体通过批量容器进行存放的方法，包括以下步骤：获取待存物体的信息和待存入的容器的信息；将多个容器进行分组，同时将单个容器容量作区间划分并结合待存物体的信息定义待存物体的类型；获得物体可以适配的容器的类型数；获得单个容器中能放置的物体的最大数量；基于物体可以适配的容器的类型数和单个容器中能放置的物体的最大数量构建待存物体与容器的适配算法将待存物体与一选定的容器组中的容器进行适配后存入适配的容器中；未适配的待存物体使用适应算法存入非选定的容器组中的容器中；可以平衡算法的运行时间和效果，得到综合表现更好的存放结果。

技术领域

本发明涉及计算机优化技术领域，尤其涉及一种将批量物体通过批量容器进行存放的方法。

背景技术

很多实际应用中会用到装箱算法，包括下料问题、运输问题、云存储等等，例如，在码头上的集装箱堆垛位的问题，集装箱中装货的问题，工业上产品库存存放问题，云计算中的云盘存储问题等等，都需要用到装箱问题。

经典的装箱问题表述如下：给定n个物品的序列L＝L_n＝(a₁，…，a_n)，其大小分别为w₁，…，w_n，且对所有1≤i≤n,都有0w_i≤C。现在要将物品放入容量为C的箱子中，要求在满足箱子容量要求下，使得使用的箱子越少越好。按照算法是否预知所有物品的大小，装箱问题可以分为在线(Online)装箱和离线(Offline)装箱。在线装箱中，算法只有在对物品a_i进行装箱分配时，才知道w_i的值。而离线算法在还未装入物品时，就已知了所有物品的大小即w₁，…，w_n。此问题已经被证明为NP-hard问题，所以此问题有效算法以近似算法为主，经典的在线装箱算法主要有Next Fit,First Fit,Best Fit等算法，离线算法主要有 Next FitDecreasing,First Fit Decreasing,Best Fit Decreasing等算法。在装箱过程中，如果一个箱子b可以接收新的物品，则称其为打开的，否则称其为关闭的。

在很多实际问题中，装箱物品的大小w_iw_i往往是具有一些数据分布特征的，最常见的是w_iw_i均匀地取自(0，C]区间，即w_i～U(0，C)。首先，将

(0,C]均匀地分成K个子区间对每个物品a_i,计算其所属的子区间的下标t_i也称作是a_i的类型，显然

其次，当两个物品a_i和a_j的类型满足t_i+t_j＝K时，那么由和得,即此时a_i和a_j可以装入一个空箱子，并且装箱利用率至少是

最后，由于w_i～U(0,C),1≤i≤n，因此大部分的元素会配对成功，那些没有配对成功的元素a_i，可以使用简单的快速装箱算法，比如O(n)时间复杂度的Next Fit算法或O(nlog(n))时间复杂度的First Fit算法进行快速装箱。

以上策略中，物品类型计算和配对装箱都可以在O(n)内完成,经过更详细地设计后，可以得到线性时间算法。

现介绍一种基于上述分组策略的在线装箱算法，为了叙述方便，令B₁和 B₂是两个箱子的序列，不同的物品会选择装入B₁或B₂中的某个箱子中，选择规则下面会介绍。

1.按照a₁,…,a_n的顺序，顺次装入物品。