Optimizing 3D Bin Packing Using Evolutionary Algorithms

Abstract

The goal of this thesis is to study the three-dimensional bin packing problem with weight constraints and to optimize it using nature-inspired algorithms. The problem consists of placing a set of three-dimensional boxes into a minimum number of containers with limited capacity. We design and implement several optimization approaches, including an elitist genetic algorithm and hill-climbing based methods. In particular, we investigate different strategies for box ordering and placement heuristic selection, as well as the impact of mutation, memetic search, and probabilistic acceptance. The results show that evolutionary approaches significantly outperform simple local search methods, while certain heuristic choices and parameter settings lead to improvements over previously proposed evolutionary approaches.

Cílem této práce je studium problému trojrozměrného bin packingu s omezením na hmotnost a jeho optimalizace pomocí přírodou inspirovaných algoritmů. Úloha spočívá v umístění množiny trojrozměrných kvádrů do minimálního počtu kontejnerů s omezenou kapacitou. Navrhujeme a implementujeme několik optimalizačních přístupů, včetně elitistického genetického algoritmu a metod založených na hill climbingu. Zaměřujeme se zejména na různé strategie uspořádání kvádrů a volby heuristik pro jejich umísťování, stejně jako na vliv mutace, memetického prohledávání a pravděpodobnostního přijímání horších řešení. Výsledky ukazují, že evoluční přístupy výrazně překonávají jednoduché metody lokálního prohledávání, zatímco vhodná volba heuristik a nastavení parametrů vede ke zlepšení oproti dříve navrženým evolučním přístupům.