针对车辆货物配装离散组合优化问题的特点,建立了能均衡利用车辆载重和容积的数学模型。采用遗传离散粒子群算法,将遗传算法中的选择、交叉、变异操作加入到离散粒子群算法的寻优过程中,在保证粒子群多样性的前提下,改善了新一代粒子的适应能力。通过计算实例验证了遗传离散粒子群算法的有效性,并与启发式算法和基本粒子群算法进行了对比,结果表明遗传离散粒子群算法在车辆货物配装组合优化问题中具有很强的全局搜索能力,并可以获得更好的优化结果。

针对基本遗传算法存在的早熟和波动问题，对影响遗传算法精度、效率和稳定性的选择、交叉和变异三大遗传操作进行了分析，采用随机遍历、三点交叉和离散变异结合，既提高了收敛精度，也提高了收敛速度。经过使用MATLAB对两个测试函数进行计算，验证了改进算法的有效性。