Haxe2D矩形装箱算法。 运行演示。 基于的公共领域C ++ bin包装器。 特征 几种快速的近似装箱算法。 “占用率”用来比较包装性能。 可配置的包装试探法。 用法 在浏览器中运行，并参考。 基本用法示例： // Initialize a bin packer var binWidth : Int = 800 ; var binHeight : Int = 400 ; var useWasteMap : Bool = true ; var packer = new SkylinePacker ( binWidth , binHeight , useWasteMap ); // Start packing rectangles var rectWidth : Int = 20 ; var rectHeight : Int = 40 ; var heuristic : Leve

3D箱包装 基于3D Bin Packing实现。 该代码基于Go中的实现。 特征 对垃圾箱和物品进行排序： [bigger_first=False/True]默认情况下，所有垃圾箱和物品从最小到最大排序，反之亦然，以这种顺序进行包装。 物品分配： [distribute_items=True]从垃圾箱和物品的列表中，将物品放入垃圾箱，至少一个物品位于一个可以容纳的垃圾箱中。 即，将所有物品分配到所有箱柜中，以便将它们包含在内。 [distribute_items=False]从垃圾箱和物品的列表中，尝试将所有物品放入每个垃圾箱，最后，它在每个垃圾箱中显示所有适合的物品和不适合的物品。 小数位数： [number_of_decimals=X]定义输入和输出的小数位数限制。 默认为3。 安装 pip install py3dbp 基本说明 Bin和Items具有相同的创建参数：

装箱 用 C++ 编写的装箱问题 装箱问题的实现。 该程序采用给定的 8 个项目大小并尝试将它们打包到垃圾箱中，如果有足够的空间，则将其放入现有的垃圾箱，如果没有，则创建一个新的垃圾箱。 该程序还会估计额外垃圾箱的数量； 用于最佳 bin 与额外 bin 的比率为 3:2。 它还允许用户指定要打包的随机数量的项目。 它为这些项目分配随机大小并打包它们，再次计算使用的额外垃圾箱的估计数量。

注意 该库是项目的一部分。 您可以在找到原始版本。 该存储库是原始项目（实际上是一个fork）的延续，其中包含向后移植的稳定更改，并且对试验性的新功能开放。 介绍 Libnest2D是2D装箱问题的库和框架。 该项目从 Javascript库启发而来，是在C ++ 11中从头开始构建的。 该库的编写策略是，它应该通过一个非常简单的界面即开即用地使用，但也必须针对其核心进行自定义。 仅以模板格式的几何类型以标头方式定义算法。 这些几何可以具有自定义的或已经存在的实现，以避免复制或具有不必要的依赖关系。 如果该库的用户只想直接使用它而无需其他集成，则提供默认后端。 该后端相当快且健壮，建立在增强几何图形和库的基础上。 使用此默认后端意味着依赖于这些程序包，但也仅依赖其标头。 该软件仍然功能不完善，并且缺少完整的文档以及一些必不可少的算法。 在此阶段，它在不考虑Kong和凹面的情况下，对于

Nest4J Nest4J是一款基于Java作为开发语言的Nest算法包。可以看做一款能在服务端进行运行计算的Nest算法库。 基于进行了Java化的改造。 同样这也作为了我本科的毕业设计，让我领略到了计算几何和遗传算法的魅力。 什么是套料？ 在给定一个矩形底板和以及一些字母材料时，如何将这些字母材料尽可能的塞进这个矩形底板并且保持字母两两之间并不会重合？通过一些特殊的摆放顺序与位置以及将每个字母旋转到合适的角度，我们可以达到这个目的。而如何去计算出材料与地板之间的位置关系以及材料的旋转角度，或者其他更高的要求，我们将这类问题称之为套料问题。 更多细节请参考 效果 我使用了SVGNest的Demo例子让Nest4J进行计算。得出了以下的效果图 如何使用 本算法基于SVGNest,做了Java化的改造，使得这个算法可以运行在服务器环境中进行后台计算服务。 Nest4J的使用方法非常简单。通过

ECM3412自然启发式计算-进化算法 这是使用二进制锦标赛，最弱替换，M基因突变和单点交叉来解决装箱问题的稳态进化算法的实现。 入门 首先，建议您创建一个虚拟Python环境。 输入命令python -m venv .venv完成此操作。 然后，我们想通过命令.venv\scripts\activate.bat 。 最后，我们要获取该项目的需求。 pip install -r requirements.txt 。 main.py文件将执行许多试验，并打印一批结果。 使用jupyter notebook notebook.ipynb打开的jupyter notebook notebook.ipynb将把结果输出为LaTeX表。 通过使用from evolution import evolve_bin_packing_solution可以使用evolution模块。

利用First Fit启发式算法，解决3D物体装箱问题，python实现，用最少的箱子装规定的3D物体，解决物流装箱问题

利用遗传算法（GA）算法，解决3D物体装箱问题，python实现，用最少的箱子装规定的物体，解决物流问题

利用Best Fit启发式算法，解决3D物体装箱问题，Java实现，用最少的箱子装规定的物体，解决物流问题

利用First Fit 和 Best fit启发式算法，解决3D物体装箱问题，python实现，用最少的箱子装规定的物体，解决物流问题