旅客行李处理作为机场的核心业务之一,实现其全流程自动化对推进“智慧机场”建设意义重大。论文针对当前行李拖车码放和飞机货舱码放环节中存在的劳动密集、效率低下问题,开展了航空行李码放算法研究。通过对其学术内涵“三维装箱问题”研究现状的全面梳理,发现已有算法的约束条件及优化目标与实际需求匹配度较低。为此,引入了机器学习领域聚类算法和飞机货舱特殊空间约束,确定了与码放环节相契合的两类装箱问题,并提出了求解方案。具体包括以下内容:构建了两类装箱问题的数学模型。基于对行李拖车码放问题、飞机货舱码放问题特点的分析,提出了包含拖车车厢约束的多箱布局模型与包含货舱特殊空间约束的单箱布局模型,并将之用数学语言表达,为算法设计提供支撑。针对行李拖车码放问题,设计了一种含聚类预处理的高效求解算法。算法将K-means聚类与“砌墙”启发式算法有机结合,将一个强异构问题划分为多个弱异构问题,再逐个求解。采用真实旅客行李数据进行实验,验证了算法的可行性;以国际经典算例(BR1~BR7)进行测试,证明了解算时间相比同类算法下降62.3%的突出优势。并且,K-means聚类的引入使算法具有了解算时间不易受异构性影响的优良特性。针对飞机货舱码放问题,设计了一种满足货舱特殊空间约束的行李布局算法。算法基于“关键点”思想,降维计算与升维码放交叉配合,逐件确定行李位置。采用偏大型、偏小型、混合型三组真实旅客行李数据进行实验,证明了算法在多种工况下算法具备快速、合理给出布局方案,完成飞机货舱行李码放任务的能力。课题将机器学习算法、不规则空间约束引入传统装箱问题,既弥补了传统装箱算法难以应用于航空行李处理的不足,又为空间多约束、物品强异构、时间高敏感条件下装箱问题的求解开辟了一条新思路。