装箱问题 算法 python

装箱问题是一个经典的组合优化问题，目标是将一组物品放入尽可能少的箱子中。这个问题在物流和运输领域中非常常见，可以使用一些启发式算法来解决。

一种常见的启发式算法是首次适应算法（First Fit Algorithm）。它按顺序将物品放入第一个能容纳下该物品的箱子中。如果没有箱子能容纳该物品，则打开一个新的箱子并将物品放入其中。

下面是一个使用 Python 实现的装箱算法示例：

def first_fit(items, bin_capacity):
    bins = []
    for item in items:
        # 尝试将物品放入已有的箱子中
        for bin in bins:
            if bin + item <= bin_capacity:
                bin.append(item)
                break
        else:
            # 如果无法放入任何已有箱子中，则打开新箱子
            bins.append([item])
    return bins

# 测试示例
items = [4, 8, 1, 2, 5, 3]
bin_capacity = 10

packed_bins = first_fit(items, bin_capacity)
print(f"需要的箱子数量：{len(packed_bins)}")
for i, bin in enumerate(packed_bins):
    print(f"箱子 {i+1} 中的物品：{bin}")

此示例中，我们使用首次适应算法将物品 `[4, 8, 1, 2, 5, 3]` 放入容量为 10 的箱子中。输出结果将显示需要的箱子数量以及每个箱子中的物品。

请注意，这只是一种启发式算法，可能不一定能得到最优解。如果需要更精确的解决方案，可以尝试使用其他算法，如禁忌搜索、遗传算法等。