Η τρισδιάστατη φόρτωση κοντέινερ και η επίλυσή της με τη χρήση ευφυών τεχνικών

Abstract

Η παρούσα εργασία διερευνά την εφαρμογή μεταευρετικών και ευφυών τεχνικών βελτιστοποίησης στο πρόβλημα τρισδιάστατης φόρτωσης αντικειμένων (3D Bin Packing Problem - 3D BPP). Αναλύθηκαν κλασικοί αλγόριθμοι, όπως οι Γενετικοί Αλγόριθμοι (GA), οι Σμήνοι Σωματιδίων (PSO), και οι Αποικίες Μυρμηγκιών (ACO), καθώς και σύγχρονες τεχνικές μηχανικής μάθησης, όπως τα Τεχνητά Νευρωνικά Δίκτυα (ANNs, CNNs) και η Βαθιά Ενισχυτική Μάθηση (Deep Reinforcement Learning - DRL). Η μελέτη παρουσιάζει συγκριτική ανάλυση της απόδοσης των τεχνικών αυτών με βάση δείκτες όπως η εκμετάλλευση του χώρου (container utilization), ο χρόνος εκτέλεσης και η ευρωστία έναντι διαταραχών. Επιπλέον, εξετάζονται οι προκλήσεις της δυναμικής φόρτωσης, της πολυκριτηριακής βελτιστοποίησης (κόστος, χρόνος, αποτύπωμα CO₂), καθώς και οι σύγχρονες εφαρμογές σε drones, ρομποτική και έξυπνα logistics. Η εργασία καταλήγει με προτάσεις για μελλοντική έρευνα, εστιάζοντας στη συνδυαστική χρήση αλγορίθμων και στη βιώσιμη εφαρμογή τους σε πραγματικά συστήματα.