为克服线性规划、启发式方法的局限， 研究成果已使用SA和GA解决封装问题。 rao及Iyengar[5]适用于多样化的装箱问题。 大量仿真实验表明典型的启发式方法已经显著的改进。 cagan[6]摸索SA用二文和三文解决问题。适应退火时间表，多分辨率建模与动态步骤提出改进策略选择算法性能。 Han和Na [7]嵌套方法提出了两个阶段:初级布局阶段，改善布局阶段。 自组织算法辅助设计制造了一种'优的'初步布局; 然后用SA布局作初步改善。 Corcoran [8]探索GA问题在三文封装中的应用以便GA更好的解决三文封装问题。
值得一提的是，ikonen等[9]用GA来为机器解决三文模型的规划问题。 上述的研究大多简化了零部件的形状。 ikonen几何方法的零件不需要在封装前简化。 不过用这个方法搜索的封装过程可能非常费时 (例如15个部件需要8.5小时)。
总之，已证明它有解决GA和SA装箱问题能力。不过，GA和SA在效率和效益上很大程度取决于空间解来实施策略和目标功能。 在这项研究中， SA算法目前应用于封装的具体问题，根据客观战略SGC的搜索功能和过程。
2.2.1制定示范布局问题
在这项工作中，SGC的模盘代表容器的上限。 这个问题的布局模式研究一批堪称封装大小不同零件的容器(集装箱)。 封装任务具有以下三个目标:
*装修进入指定型号集装箱;
*避免模型重叠;
*实现高密度封装，换句话说，实现最低整体水平。
在目前的应用中， 每一部分CAD模型用STL格式来表示。它由三角面坐标数据及其相应三文空间表面组成。 相对于其它格式的CAD模型，STL格式非常简单。 然而，如果STL模型是一个完整的信息编码算法，搜索会很费时，这是因为很平常的机械部分有成千上万的三角面的STL模型，一个简单操作如'旋转'或'移动'就是重新定位每一个三角面的新模式。 此外，这些动作都是用数千'迭代'在SA搜索过程，因此简化是必要的。 大多数的研究者只是包抄一部分，因为它是一个长方形盒子容易执行，使包装算法变得过于复杂 [4]。 这种方法还用于这项研究。 不同之处在于制定具体的搜索功能和战略目标。 三文模型图可以描述以下步骤(图2.1):
1.解析STL文件的零件制造、每一个封闭部分产生示范。
2. 据具体算法封装。箱体批量的大小相同，机器的最大体积相同。
3. 计算每一部分更新STL文件。
4. 最后结果显示布局。
步骤1，3，4涉及计算机图形学、可视化技术、 所不明确的问题，涉及到包装、较易执行现有图形工具。 我们的重点是在第2步。 制定这一问题的关键是树立正确的算法。
装箱问题可以作为最优化问题是方程。 (1):
 CAD文件包括所有生产包装信息的部件
图2.1 典型包装的程序
其中n是模型的数量、pi是封装状态模型、p是布局、 P是一批规划布局、B是轮廓边界Pi∩Pj两模型之间的交接、 Pi∩B箱体边界和模型之间的交接、h总体规划高度与f高度目标函数映射成为集P实数。
目前这个问题，是一个单批零件的布局满足限制方程(1)的界定。 目标函数定义为整体的布局高度。
典型的封装状态是由封袋的位置和方向决定的。 每一个部分的坐标是由封袋的几何中心定义的。集装箱的左下角定义为整体的坐标原点。 封袋的几何中心确定封袋在箱中的位置。 典型的方位有优尔个如图(3)所示。
一个状态对另一个状态的转变可通过一个或两个旋转操作实现。旋转操作是局部调整旋转轴附近的封袋。 例如，图2.2把封袋的一种状态换成另一种状态，它可以绕X轴旋转也可以绕Y轴旋转。 每个封装袋表面总是平行或垂直于正交轴。所以每个封袋的形式pi表示为: 新型插座的设计与快速成型设计+CAD图纸+视频(5):http://www.youerw.com/jixie/lunwen_3889.html