首页
/ 【亲测免费】 3D-bin-packing 项目使用教程

【亲测免费】 3D-bin-packing 项目使用教程

2026-01-16 10:27:28作者:裘晴惠Vivianne

1. 项目介绍

3D-bin-packing 是一个基于 GitHub 上的开源项目 enzoruiz/3dbinpacking 改进的 3D 装箱算法项目。该项目旨在通过改进原始算法,提高装箱效率和空间利用率。主要改进包括解决物品浮空问题、考虑物品承重问题、设置物品优先级等。

2. 项目快速启动

2.1 安装依赖

首先,确保你已经安装了 Python 环境。然后,使用以下命令安装项目所需的依赖:

pip install -r requirements.txt

2.2 快速示例

以下是一个简单的示例,展示如何使用 3D-bin-packing 项目进行装箱计算:

from py3dbp import Packer, Bin, Item
import time

start = time.time()

# 初始化装箱函数
packer = Packer()

# 初始化箱子
box = Bin('example', (30, 10, 15), 99, 0)
packer.addBin(box)

# 添加物品
packer.addItem(Item('test1', 'test', 'cube', (9, 8, 7), 1, 1, 100, True, 'red'))
packer.addItem(Item('test2', 'test', 'cube', (4, 25, 1), 1, 1, 100, True, 'blue'))
packer.addItem(Item('test3', 'test', 'cube', (2, 13, 5), 1, 1, 100, True, 'gray'))
packer.addItem(Item('test4', 'test', 'cube', (7, 5, 4), 1, 1, 100, True, 'orange'))
packer.addItem(Item('test5', 'test', 'cube', (10, 5, 2), 1, 1, 100, True, 'lawngreen'))

# 计算装箱
packer.pack(
    bigger_first=True,
    fix_point=True,
    distribute_items=True,
    check_stable=True,
    support_surface_ratio=0.75,
    number_of_decimals=0
)

# 绘制结果
for b in packer:
    painter = Painter(b)
    fig = painter.plotBoxAndItems(
        title=b.partno,
        alpha=0.2,
        write_num=True,
        fontsize=10
    )
    fig.show()

end = time.time()
print(f"装箱计算时间: {end - start} 秒")

3. 应用案例和最佳实践

3.1 应用案例

  • 物流行业:在物流行业中,3D-bin-packing 可以用于优化货物装箱,减少运输成本。
  • 制造业:制造业中,通过优化原材料的装箱,可以提高生产效率和材料利用率。
  • 仓储管理:在仓储管理中,通过优化货物的摆放,可以提高仓库的空间利用率。

3.2 最佳实践

  • 设置物品优先级:根据物品的重要性和紧急程度,设置不同的优先级,确保关键物品优先装箱。
  • 考虑物品承重:在装箱过程中,考虑物品的承重能力,避免因承重不足导致物品损坏。
  • 优化装箱顺序:通过调整装箱顺序,可以进一步提高装箱效率和空间利用率。

4. 典型生态项目

  • enzoruiz/3dbinpacking:原始的 3D 装箱算法项目,3D-bin-packing 项目在此基础上进行了改进。
  • OpenBoxPacking:另一个开源的 3D 装箱算法项目,提供了不同的装箱策略和优化方法。
  • BinPackingSolver:一个通用的装箱问题求解器,支持多种装箱算法和优化策略。

通过结合这些生态项目,可以进一步扩展和优化 3D-bin-packing 的功能和性能。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284