二维矩形条装箱问题（Two-Dimensional Strip Packing Problem,2D-SPP）:给定矩形条的宽度W固定,高度H不固定,以及一组小矩形{（w1,h1）,（w2,h2）,,（wn,hn）},其中小矩形宽度为wi,高度为hi,1≤i≤n,0≤hi,0<wi≤W,目标将所有小矩形放置入矩形条中,且小矩形不能旋转,小矩形之间不能重叠,并最小化矩形条的高度H。常用于求解2D-SPP的算法主要有精确算法,启发式算法。本文提出一种基于深度强化学习的2D-SPP求解算法,在智能体与环境不断交互的过程中学习策略以达到期望累计奖励最大化,即最小化矩形条的高度H。深度强化学习是深度学习与强化学习相结合的产物,本文选择基于策略的强化学习方法作为本文的强化学习算法,深度神经网络模型Pointer Networks作为强化学习算法的策略函数,随机性策略作为策略函数的输出,累计奖励的期望值作为目标函数。Pointer Networks是Seq2Seq结合改进的注意力机制后得到的模型,可以有效地处理“输出严重依赖输入”类型的问题,非常适合作为本文2D-SPP求解算法的策略函数。在训练阶段,深度强化学习通过策略梯度算法计算目标函数的梯度值,并选择Adam优化算法更新Pointer Networks的模型参数。在测试阶段,策略函数Pointer Networks通过Beam Search算法搜索装箱策略,策略函数返回的装箱策略进一步结合构造类启发式Bottom-Left-Fill算法对小矩形进行装箱。本文通过大量实验对基于深度强化学习的2D-SPP求解算法进行性能评估和测试,通过训练过程中累计奖励的期望值随训练步数的变化趋势分析算法的稳定性,通过测试过程中Pointer Networks针对测试样本返回的装箱策略分析算法的可行性,通过策略函数决策过程中输出概率分布的可视化结果分析算法的合理性。本文最后在2D-SPP的经典数据集上对本文算法效果进行验证,并与启发式搜索算法进行比较,实验表明基于深度强化学习的2D-SPP求解算法在实验结果普遍优于启发式搜索算法的同时,在求解大规模问题时,本文算法线上计算复杂度低,运行时间短,线上运行速度显著优于启发式搜索算法。本文通过实验展示了深度强化学习算法用于求解2D-SPP的可行性与优势,为今后求解装箱问题提供了一种全新的解决思路。