python：关于三维装箱问题的算法研究-2

基于 三维装箱问题的算法研究-1 的基础上，对整个装箱过程发生的函数进行封装

# -*- coding: utf-8 -*-
from matplotlib import pyplot as plt
#设置图表刻度等格式
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
from mpl_toolkits.mplot3d import Axes3D
import numpy as np#make_pic内置函数
def box(ax,x, y, z, dx, dy, dz, color='red'):xx = [x, x, x+dx, x+dx, x]yy = [y, y+dy, y+dy, y, y]kwargs = {'alpha': 1, 'color': color}ax.plot3D(xx, yy, [z]*5, **kwargs)#下底ax.plot3D(xx, yy, [z+dz]*5, **kwargs)#上底ax.plot3D([x, x], [y, y], [z, z+dz], **kwargs)ax.plot3D([x, x], [y+dy, y+dy], [z, z+dz], **kwargs)ax.plot3D([x+dx, x+dx], [y+dy, y+dy], [z, z+dz], **kwargs)ax.plot3D([x+dx, x+dx], [y, y], [z, z+dz], **kwargs)return ax
#显示图形的函数：Items = [[num[0],num[1],num[2],num[3],num[4],num[5],num[6]],]
def make_pic(Items):fig = plt.figure()ax = Axes3D(fig)ax.xaxis.set_major_locator(MultipleLocator(50)) ax.yaxis.set_major_locator(MultipleLocator(50)) ax.zaxis.set_major_locator(MultipleLocator(50)) for num in Items:box(ax,num[0],num[1],num[2],num[3],num[4],num[5],num[6])plt.title('Cube')plt.show()
#把尺寸数据生成绘图数据
def make(O,C,color):data = [O[0],O[1],O[2],C[0],C[1],C[2],color]return data
#可用点的生成方法
def newsite(O,B_i):# 在X轴方向上生成O1 = (O[0]+B_i[0],O[1],O[2])# 在Y轴方向上生成O2 = (O[0],O[1]+B_i[1],O[2])# 在Z轴方向上生成O3 = (O[0],O[1],O[2]+B_i[2])return [O1,O2,O3]
#3.拟人化依次堆叠方体
def packing3D(show_num,color,O,Box_list):canput = 0O_items = [O]O_pop = []for i in range(0,len(Box_list)):#货物次序应小于等于可用点数量，如：第四个货物i=3，使用列表内的第4个放置点O_items[3]，i+1即常见意义的第几个，len即总数，可用点总数要大于等于目前个数if i+1 <= len(O_items):#如果放置点放置货物后，三个方向都不会超过箱体限制,则认为可以堆放if O_items[i-1][0]+Box_list[i][0]<=C[0] and O_items[i-1][1]+Box_list[i][1]<=C[1] and O_items[i-1][2]+Box_list[i][2]<=C[2]:#使用放置点，添加一个图显信息new_show = make(O_items[i-1],Box_list[i],color)if new_show not in show_num:show_num.append(make(O_items[i-1],Box_list[i],color))#计数加1canput = len(show_num) - 1#把堆叠后产生的新的点，加入放置点列表for new_O in newsite(O_items[i-1],Box_list[i]):#保证放入的可用点是不重复的if new_O not in O_items:O_items.append(new_O)#如果轮到的这个放置点不可用else:#把这个可用点弹出弃用O_pop.append(O_items.pop(i-1))#弃用可用点后，货物次序应小于等于剩余可用点数量if i+1 <= len(O_items):# and len(O_items)-1>=0:#当可用点一直不可用时while O_items[i-1][0]+Box_list[i][0]>C[0] or O_items[i-1][1]+Box_list[i][1]>C[1] or O_items[i-1][2]+Box_list[i][2]>C[2]:#一直把可用点弹出弃用O_pop.append(O_items.pop(i-1))#如果弹出后货物次序超出剩余可用点，则认为无法继续放置if i-1 > len(O_items)-1:break#货物次序应小于等于剩余可用点数量if i+1 <= len(O_items):#如果不再超出限制，在这个可用点上堆叠new_show = make(O_items[i-1],Box_list[i],color)if new_show not in show_num:show_num.append(make(O_items[i-1],Box_list[i],color))#计数加1canput = len(show_num) - 1#把堆叠后产生的新的点，加入放置点列表for new_O in newsite(O_items[i-1],Box_list[i]):#保证放入的可用点是不重复的if new_O not in O_items:O_items.append(new_O)return canput,O_items,O_pop
#<<<---写一个函数专门用来调整方向和计算剩余货物
def surplus(num,Box_list,change):#change='ab','bc','ac',0有三组对调可能，共6种朝向new_Box_list = Box_list[num-1:-1]if num == 0:new_Box_list = Box_listif change == 'ab':for i in range(0,len(new_Box_list)):new_Box_list[i]=(new_Box_list[i][1],new_Box_list[i][0],new_Box_list[i][2])elif change == 'bc':for i in range(0,len(new_Box_list)):new_Box_list[i]=(new_Box_list[i][0],new_Box_list[i][2],new_Box_list[i][1])elif change == 'ac':for i in range(0,len(new_Box_list)):new_Box_list[i]=(new_Box_list[i][2],new_Box_list[i][1],new_Box_list[i][0])elif change == 0:return new_Box_listelse:return new_Box_listreturn new_Box_list
#残余点二次分配函数
def twice(show_num,color,O_pop,Box_list):for a2 in O_pop:if a2[0]==0 and a2[1]==0:Plan = packing3D(show_num,color,a2,Box_list)Box_list = surplus(Plan[0],Box_list,0)elif a2[1]==0 and a2[2]==0:Plan = packing3D(show_num,color,a2,Box_list)Box_list = surplus(Plan[0],Box_list,0)elif a2[0]==0 and a2[2]==0:Plan = packing3D(show_num,color,a2,Box_list)Box_list = surplus(Plan[0],Box_list,0)return Box_list

调用这些函数进行一次初步装箱和二次转向装箱

#1.给定空间容器C      4.2*1.9*1.8
O = (0,0,0)           #原点坐标
C = (420,190,180)    #箱体长宽高
color = 'red'         #箱体颜色
#显示箱体
show_num = [make(O,C,color)]#2.给定有限量个方体 500个(60,40,50)的方体，当方体大小存在差异时，我们将按照体积大小降序排列，优先摆放大体积的
B=[(40,50,60) for num in range(0,1200)]#把货物第一次装箱
Plan1 = packing3D(show_num,'blue',(0,0,0),B)
#print(len(show_num))#把剩下的货物分出来
B2 = surplus(Plan1[0],B,'ab')#把剩下的货物再次尝试装箱，针对三个在轴线上的点为新的原点
twice(show_num,'orange',Plan1[2],B2)
print(len(show_num))make_pic(show_num)

最终显示效果

可以看到在第二次发生简单转向后，箱体的利用率再一次得到提升，这个时候装载率达到114/箱，那么如果全部货物1200件，1200/114向上舍入，11车能够装完

python：关于三维装箱问题的算法研究-2相关推荐

python：关于三维装箱问题的算法研究-3
基于三维装箱问题的算法研究-2 的基础,对整个过程进行了优化因为后面研究的视图依赖于Three.js进行成像,需要写一些简单的vue页面,所以把整个算法包括数据格式的调用做成了django后端系统 ...
python：关于三维装箱问题的算法研究-1
先准备一个用来图显的函数 # -*- coding: utf-8 -*- from matplotlib import pyplot as plt #设置图表刻度等格式 from matplotlib ...
目标检测YOLO实战应用案例100讲-基于激光雷达点云的三维目标检测算法研究
目录基于激光雷达点云的三维目标检测算法研究基于投影图的方法基于点云的多模态融合方法
平行轮廓线三维矿体重建算法研究
平行轮廓线三维矿体重建算法研究摘要: 从平行轮廓线重建三维表面是具有普遍意义的研究问题.根据一组平行轮廓线联接三角网构成三维实体必须解决三个基本问题:对应性问题(Correspondence), ...
关于装箱问题的算法研究
装箱问题的算法研究山东大学赵一帆问题描述在箱子装载问题中,有若干个容量为c的箱子和n个待装载入箱子中的物品.物品i需占s[i]个单元(0<s[i]≤c).所谓成功装载(feasible ...
对python乱序字符串检查算法研究
显示不同量级的算法的一个很好的例子是字符串的乱序检查.乱序字符串是指一个字符串只是另一个字符串的重新排列.例如,'heart' 和 'earth' 就是乱序字符串.'python' 和 'typhon ...
【三维装箱】基于粒子群算法求解三维装箱问题matlab源码
1 简介针对约束条件下三维装箱问题复杂性,为提高装箱利用率,本文提出了混合粒子群算法,该算法采用BF启发式算法配合改进的自适应权重粒子群算法实现.通过仿真试验,结果表明该混合粒子群算法对解决部分约 ...
python生成一笔画_Python系列—一笔画问题的算法研究
原标题:Python系列-一笔画问题的算法研究鸣谢 VSRC感谢业界小伙伴--奶权,投稿精品原创类文章.VSRC欢迎精品原创类文章投稿,优秀文章一旦采纳发布,将有好礼相送,我们已为您准备好了丰富的奖 ...
目标检测YOLO实战应用案例100讲-基于点云的三维多目标检测算法研究
目录基于点云的三维多目标追踪与目标检测算法研究三维多目标追踪技术

python：关于三维装箱问题的算法研究-2

python：关于三维装箱问题的算法研究-2相关推荐

最新文章

热门文章