多目标货物配装问题是一个复杂的组合优化问题，属于NP难问题，本文用混合粒子群算法求解多目标货物配装问题。混合粒子群算法在基本粒子群算法的基础上，通过引进遗传算法中的交叉和变异的策略，避免了陷入局部最优，加快了达到全局最优的收敛速度。此外，本文提出用权重系数来平衡各目标使各目标都能达到相对较优的效果。-Multi-objective loading of goods is a complicated combinatorial optimization problems are NP hard p

为了解决考虑生产总成本的车间调度问题，对引入加工成本、库存管理成本和拖期惩罚成 本的车间调度问题进行了研究，提出了一种改进的遗传算法求解该问题。论述了改进遗传算法的 编码、初始化、选择、交叉和变异操作，通过与基本遗传算法的仿真比较，验证了该算法在收敛速度 和最优解值上的优越性。 -In order to solve the job shop scheduling problem considering the total production cost, the process

针对基本快速扩展随机树(RRT)算法存在搜索过于平均、效率低下、用时较长的缺陷，提出了一种偏向目标型的改进型RRT算法。这种算法在生成随机点时以一定概率选择最终目标点作为局部目标点，使树的扩展有一个趋向于最终目标点的趋势，从而加快了算法的收敛速度，优化了规划路径-For basic fast Random Tree (RRT) search algorithm exists too mean, inefficient, long time with defects, we proposed a