遗传算法集装箱优化算法Django+Th

自学编程一年多了，结合自己在供应链工作的经验做的，希望大家喜欢，本人QQ 394601344，有兴趣可以加我私聊，谢谢。

前端Web用的Three.js，BootStrap ，后端用的Django，用的遗传算法。

遗传算法：

其实弄明白了也就那么回事，不明白的时候想破脑袋，遗传算法参考的这篇文章 https://www.jianshu.com/p/ae5157c26af9 ，我就不多说了，主要说一下应用：

将集装箱装的不同尺寸的箱子作为DNA，

比如箱子A，箱子B，箱子C，.......箱子Z，一种装载顺序就是一种DNA，例如 q1 = [A,C,B,....Z]   q2= [Z,A,C,...B] 。。。qn= [C,Z,A,....B]

随机生成N个不同的装载顺序的序列，这样就得到一个种群为N的种群[q1,q2,q3....qn]，计算每个装载顺序的适应度(可装入的箱子体积/容器体积)，然后轮盘选择法取N个DNA，

得到种群大小为N的新的种群[q1,q1,q3,q5,q5,qn,....q5]，设定交叉概率，映射交叉两种装载顺序，再加上变异概率，循环迭代，达到迭代次数后输出结果。

上述还没有考虑箱子的摆放，一个箱子有6种摆放方式，分别是[1,2,3,4,5,6]，结合之后，DNA序列可以改为

q1 = [A,C,B,....Z,1,3,4,.....6]   q2= [Z,A,C,...B,5,2,3....2] 。。。qn= [C,Z,A,....B,5,1,4....4]

加粗数字代表前面各箱子的摆放方式。

功能1： Excel导入数据

功能2： 容器自定义，角件自定义

功能3：3D可视化，逐步显示装载过程

功能4：一键保存分享，别的电脑不需要安装软件。

软件链接：https://pan.baidu.com/s/1ZYfHbdcNgMkmOrdeVzRFyA 提取码: 93mk

按照现在欧线的市场价Door to Door 2500欧/40HQ，一个公司一年1000个40HQ集装箱出口，如果装载率提高5%，那么理论上一年可以节省50个40HQ，也就是可以帮公司省2500*50=12.5万欧，折合人民币上百万。

还有市场上物流公司帮客户拼柜出口的，也很有市场。