遗传算法装箱实际应用
Practical applications of Bin packing using genetic algorithm
我正在研究解决装箱问题的遗传算法。我现在可以理解这个过程，但是由于最终输出是一个项目列表的一组解决方案，所以我不明白为什么一个解决方案就足够了，为什么我们需要一个项目列表的一组解决方案？ GA 解决方案优于经典方法的应用有哪些？
如果有人可以向我推荐任何 scholarly/non-scholarly link 解释使用遗传算法装箱的一些实际应用，那就太好了。我访问了维基百科上的 link GA 应用程序列表，但它不是专门用于装箱的。
背景
装箱的经典版本是一个广为人知的问题，相对较大的实例可以有效解决，或者 near-optimality 使用带有列生成的整数规划等方法。
但是，这些模型可能无法有效地解决具有复杂约束或目标的装箱特殊情况（例如，有冲突或利润的装箱、多维装箱、易碎物品的装箱、有问题的装箱）负载均衡等）。
你的情况
您不需要一组解决方案，只是遗传算法 (GA) 的设计方式，您最终会得到一组解决方案（您当前的人口）一旦你停止执行。您只需从这些解决方案中选择最好的。
GA 相对于经典装箱方法的一个优势是它能够有效地解决具有复杂约束的问题。例如，这里有一篇论文使用 GAs 来解决 three dimensional single container arbitrary sized rectangular prismatic bin packing optimization problem（说起来是不是很啰嗦！）。虽然经典方法通常对传统装箱等凸问题非常有效，但一旦添加 non-convex 约束，它们就会变得更难解决。对于此类问题，其他方法（例如 GA）往往做得很好。
我正在研究解决装箱问题的遗传算法。我现在可以理解这个过程，但是由于最终输出是一个项目列表的一组解决方案，所以我不明白为什么一个解决方案就足够了，为什么我们需要一个项目列表的一组解决方案？ GA 解决方案优于经典方法的应用有哪些？
如果有人可以向我推荐任何 scholarly/non-scholarly link 解释使用遗传算法装箱的一些实际应用，那就太好了。我访问了维基百科上的 link GA 应用程序列表，但它不是专门用于装箱的。
背景
装箱的经典版本是一个广为人知的问题，相对较大的实例可以有效解决，或者 near-optimality 使用带有列生成的整数规划等方法。
但是，这些模型可能无法有效地解决具有复杂约束或目标的装箱特殊情况（例如，有冲突或利润的装箱、多维装箱、易碎物品的装箱、有问题的装箱）负载均衡等）。
你的情况
您不需要一组解决方案，只是遗传算法 (GA) 的设计方式，您最终会得到一组解决方案（您当前的人口）一旦你停止执行。您只需从这些解决方案中选择最好的。
GA 相对于经典装箱方法的一个优势是它能够有效地解决具有复杂约束的问题。例如，这里有一篇论文使用 GAs 来解决 three dimensional single container arbitrary sized rectangular prismatic bin packing optimization problem（说起来是不是很啰嗦！）。虽然经典方法通常对传统装箱等凸问题非常有效，但一旦添加 non-convex 约束，它们就会变得更难解决。对于此类问题，其他方法（例如 GA）往往做得很好。