集装箱装载是货物运输中的重要过程，一个合理的装载方案能够提高集装箱的利用率，从而能降低运营成本，使企业获得最大效益。从理论角度来说，该问题是一个复杂的组合优化问题，其约束条件多，属于典型的NP完全问题，求解难度大，因此如何改进相应的算法使之能更好的适用于装载问题成为当前的一大难题。分布估计算法通过将统计学习理论与进化算法结合，形成一种全新的进化模式，是进化计算领域的研究热点。该算法是基于概率模型的智能算法，在解决各类复杂问题中都具有很大潜力，已经在多个领域得到了成功的应用，并取得了良好的成果。本文首先介绍了分布估计算法的相关内容，包括该算法的分类、理论研究、目前应用领域和发展趋势等；接着介绍了集装箱装载问题的相关概念、数学模型、约束条件，同时介绍了各类启发式算法和智能算法在该问题中的应用，分析了现有的研究成果。针对前人研究的成果，将分布估计算法与启发式算法进行融合，提出了一种新的混合方法来解决集装箱装载问题。首先采用启发式算法按照货物体积递减定序和占角的策略进行定位；其次，使用三空间分割的布局方法对剩余空间进行分割，利用堆栈的先进后出的机制来保存剩余空间的相关数据信息；最后，将闲置空间与可用空间进行合并达到充分利用。根据启发式规则处理后的种群数据，使用分布估计算法进行反复的采样和建立概率模型实现种群进化，最终获取集装箱装载问题符合条件的最优解。实验数据表明该混合方法在解决此类问题具有一定的有效性，但在约束条件方法考虑较少具有一定的不足，需在后续的研究中进一步改进。之后，在混合算法的基础上，对所使用的单变量边缘分布算法的改进，采用了保留精英种群的策略，并加入小概率的变异操作，形成新的混合算法。同时在实验时考虑了更为详细的约束条件，如集装箱载重限制、重心约束、货物摆放方向等。通过与文献已有的实验数据比较，改进后的混合分布估计算法能够有效的处理集装箱装载问题，具有较高应用价值。