科研之友
微信
新浪微博
Facebook
分享链接
摘要
为保证多规格货物在集装箱中的高效装载,提出了一种启发式随机森林算法,该算法首先利用Bagging方法生成T个训练集,对每个训练集,要求在特征集中随机选取K个特征组成新的特征集,将新特征集中的最优特征作为分割特征,利用分割特征计算并择优选取样本信息熵,然后构建生成货物装箱决策树模型,最后基于启发式搜索方法对货物装载后的剩余空间进行合并再利用.通过BR1～BR10共十组异构性逐渐增强的货物数据对算法进行仿真实验,将实验结果与其他研究算法进行比较,该算法在BR10算例中利用率达到90%,仅比其他算法低1%,但计算时间却由1 38062 s降低到76 s.由此可见,该算法对于多规格强异构货物的求解具有一定的可行性和有效性.
- 单位
