装箱问题可以概括为将一批指定数量的不同物理特征（如重量、体积等）的货物放入指定的箱子中。装箱问题作为一个组合优化问题,广泛存在于生产生活中,并在物流运输行业中最为常见。随着经济的发展与贸易的增加,中国的货运量持续增长,国内对物流的需求也在逐渐加大,但我国物流业依旧停留在人工装载、无序运输的阶段,导致物流成本居高不下,带来了资源的浪费以及企业竞争力不足的问题。其中,装箱问题已经成为减少物流运输费用、降低物流资源浪费的关键问题。但目前,学者的研究集中于解决单个箱子的装载问题,而未针对实际生产中一批货物需要多个箱子完成装载的问题进行研究。因此,本文对实际生产中需要多个箱子完成装载的三维离线装箱问题进行了研究,并设计了一种混合遗传算法来解决该问题。首先,本文在装箱问题的基础理论以及问题类型的基础上,建立了以空间利用率最大化为目标三维离线装箱问题的数学模型。不同于常见的单个箱子空间利用率最大化的单箱装箱问题,为了更贴合实际装箱问题,本文所研究问题货物需要被全部装入一批同一类型、数量无上限的箱子中。同时,问题中除了使用常见的约束外,还引入了旋转约束、稳定性约束等特殊约束。然后,针对三维离线装箱问题,设计了一种将遗传算法、禁忌搜索算法、启发式算法相结合的混合遗传算法。为了使解包含装箱方案中的装箱顺序和箱子旋转状态的信息,设计了一种包含两者信息的基于随机密钥的两段式实数编码方式和解码方法,并相对应地设计了一种基于偏随机密钥与均匀交叉的交叉操作方式;为了将优化算法搜索到的解转为实际的装箱方案和提高箱子空间的利用率,本文设计了一种采用左后下角的定位规则、最小空间的空间选择规则、剩余空间分割与合并规则的启发式装载算法;在分析了常见的选择操作后,选择前期使用轮盘赌法加强全局搜索能力,后期使用最优保存策略加快收敛;为了弥补遗传算法的局部搜索能力弱、收敛速度慢的缺点,禁忌搜索算法作为遗传算法中的变异操作,即将子代中的解作为禁忌搜索算法的初始解并进行搜索过程。最后,本文将所提的算法在BR数据集中的6组弱异构、强异构数据上进行测试,与遗传算法、遗传模拟退火算法、分层启发式算法进行对比,测试结果证明了本文所提算法可以减少箱子的使用量和提高空间利用率;同时,使用了2组物流运输公司数据进一步测试,测试结果显示车厢的空间利用率达到了80%以上,验证了本文所提模型与算法对有效性。