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

利用First 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

程序是在MFC框架下写的，代码包括整个vs工程，有些大。 要想移植出来，理论上只要复制出packing.cpp和packing.h文件，然后实现自己的画图函数和主函数就可以了。

matlab模拟poisson过程原始码欢迎来到PackingGeneration项目 该程序允许硬球包装生成和包装后处理（请参阅和Wikipedia页面）。 它支持Lubachevsky–Stillinger，Jodrey–Tory和受力生成算法。 它可以计算粒子插入概率，Steinhardt Q6全局和局部顺序测度，非响尾蛇粒子的配位数，对相关函数，结构因子以及压力平衡后的减压。 它不需要任何预装的库，并且是多平台（Windows / nix）。 它是由我（Vasili Baranau）在2012-2013年对德国马尔堡小组中的硬球包装进行研究时开发的。 它是根据MIT许可分发的（请参阅参考资料）。 这段代码（v1.0.1.28版）有一个DOI ：。 如果您在研究项目中使用此程序，请引用Baranau和Tallarek（2014）单分散和多分散硬球的随机密堆积极限值。 或者， Baranau等人。 （2013）随机硬球填料的Kong径熵； 。 样品产生的填料看起来像这样： 左：10000个颗粒的单分散堆积； 取自。 右：10000个颗粒的多分散填料； 取自。 有关程序选项和基本用法