基于极点法与增强型D3QN的三维装箱优化OA

针对传统装箱问题中极点法依赖输入顺序,以及深度强化学习难以处理组合动作空间的问题,提出一种融合增强型D3QN(En-D3QN)与极点法的混合求解框架。利用En-D3QN智能体自主决策物品放入顺序,并以极点法作为底层放置器,将组合优化转化为几何计算。在5个异构测试集和2个真实包装箱数据集上的实验结果表明,本算法空间利用率高于传统启发式算法与标准DRL方法,且收敛性与稳定性更优。本框架为复杂组合优化问题提供了“学习决策序列+优化物理空间”的新范式。