在工业领域中经常遇到把一些物体装入容器的问题,尤其是物流运输行业,装箱是其中一个非常重要的环节,在工业中普遍存在,随我国经济的发展,国内、国际货运正以极快的速度发展,物流运输面临前所未有的挑战和机遇。作为物流运输过程中重要的一个步骤,找到一种合理有效的方法解决装箱问题,对降低运输成本,充分有效地利用空间,提高货运质量和效率,提高配送业务的自动化水平具有非常重要的意义。首先,本文研究了三维装箱问题,按照问题不同形式,分三类介绍了三维装箱问题,并介绍了装填时不同的三维空间结构划分策略和求解问题的方法,通过分析各种求解算法的优缺点,指出使用智能优化算法更能快速有效地处理大规模装箱问题,且稳定性也更好。装箱问题是一个典型的NP-hard组合优化问题,目前,以遗传算法为标志的智能算法广泛应用于求解这类多约束优化问题,但这些算法都是基于单层种群空间搜索的方法,其效率并不高,且易陷入局部最优。针对本文研究问题的特点和传统算法存在的局限性,提出用双层进化机制相互影响相互促进的文化算法求解问题。之后,详细介绍文化算法的空间结构和之间的通讯协议,并通过函数仿真实验验证算法在求解优化问题时的收敛性和搜索能力。分析可知文化算法信仰空间中的知识在指导一代种群空间后便会得到更新,信仰空间前后并无优劣之分,对于优秀的经验知识无所保留,若后一代信仰空间比前一代差时经验知识会倒退,影响解的质量,且经验知识影响作用较单一,由此针对求解非线性多约束优化问题,本文提出划分信仰子空间的文化算法,将信仰空间划分为多个子空间,每个子空间保存一代种群中选出的优秀个体,且每组优秀个体分别具有不同的优势,当种群进化产生新一组优秀个体时,按照优先级,通过比较每组的值决定是否更新子空间,对子空间的评价使优质经验知识得以保存,避免倒退,信仰空间中保留具有不同优势的优良个体,既能促进对最优解的搜索,同时保持进化过程中种群多样性,避免陷入局部最优,提高算法性能,最后通过几组函数仿真实验对算法性能进行验证。最后,结合实际装载过程中的约束条件建立数学模型,提出参考点和参考线的概念并基于MATLAB平台对信仰子空间文化算法求解三维装载优化问题进行了实验研究,通过多组数据仿真实例的分析和与传统算法的比较,可以看出该算法对求解三维装箱问题具有良好的适应性,对实际物流生产中的装载环节有一定参考意义。