Real-World Three-Dimensional Bin Packing Problems Benchmark

本数据集名为‘Real-World Three-Dimensional Bin Packing Problems Benchmark’，由巴斯克研究和科技联盟(BRTA)下属的TECNALIA开发。数据集包含12个实例，每个实例考虑了不同级别的复杂性，如尺寸、重量限制、包装类别间的亲和性、包装顺序偏好和负载平衡等。数据集的创建过程使用了专门的Python脚本Q4RealBPP-DataGen，该脚本能够自动生成符合实际工业需求的装箱问题实例。数据集主要应用于量子计算领域，旨在解决当前量子设备在处理大规模问题时的局限性，为量子计算研究人员提供一个基准，以评估和比较不同量子解算器的性能。

This dataset is named 'Real-World Three-Dimensional Bin Packing Problems Benchmark', developed by TECNALIA under the Basque Research and Technology Alliance (BRTA). It comprises 12 instances, each considering varying levels of complexity, including dimensional constraints, weight limits, affinities between packing categories, packing sequence preferences, load balancing, and other relevant factors. The dataset was created using a specialized Python script named Q4RealBPP-DataGen, which can automatically generate bin packing problem instances that meet real-world industrial requirements. This dataset is primarily applied in the field of quantum computing, aiming to address the current limitations of quantum devices when handling large-scale problems, and provide a benchmark for quantum computing researchers to evaluate and compare the performance of different quantum solvers.

搜集汇总

数据集介绍

构建方式

在三维装箱问题的研究领域，构建贴近实际工业场景的基准数据集对于评估优化算法至关重要。该数据集通过专门开发的Python脚本Q4RealBPP-DataGen生成，该脚本在实验室环境中运行，能够根据预设参数自动创建包含不同约束条件的实例。生成过程基于文献中提出的尺寸分布，确保物品尺寸符合现实标准，同时允许用户激活或禁用多项真实世界约束，如重量限制、物品类别间的亲和性与互斥性、相对位置偏好以及负载平衡要求。每个实例以文本文件形式保存，其格式灵感来源于D-Wave的现有工作，并进行了适应性扩展，以涵盖八类关键特征，从而系统化地构建出12个规模适中且复杂度各异的基准实例。

使用方法

研究人员可通过公开的Mendeley存储库获取该数据集及其生成脚本。数据集以文本文件形式提供，可直接用于各类优化求解器的输入，特别是量子退火器或混合量子经典求解器。每个实例文件结构清晰，包含最大箱数、箱体尺寸、重量上限、相对位置字典、互斥对列表、亲和性对列表、质心坐标及物品类别列表等字段，便于解析与建模。附带的Q4RealBPP-DataGen脚本允许用户自定义参数生成新实例，例如选择是否使用预设物品池、设定尺寸与重量范围、指定约束数量等，从而灵活构建符合特定研究需求的基准。对于负载平衡等高级约束，脚本支持通过质量比参数自动生成承重规则，或手动定义位置偏好字典，极大增强了数据集的扩展性与实用性。

背景与挑战

背景概述

三维装箱问题作为组合优化领域的经典难题，在物流、仓储和供应链管理中具有广泛的应用价值。2023年，西班牙TECNALIA研究机构的Eneko Osaba团队发布了面向真实场景的三维装箱问题基准数据集，旨在填补量子计算领域缺乏适配当前硬件限制的标准化测试集的空白。该数据集包含12个不同复杂度的实例，每个实例均融入了尺寸约束、重量限制、包裹类别亲和性、相对位置偏好及负载均衡等现实工业约束，为量子优化算法的性能评估提供了首个专门设计的基准平台。其核心研究目标在于推动量子计算在复杂优化问题中的应用，通过提供规模适配当前量子处理器能力的实例，促进不同求解器之间的公平比较与算法复现，对量子运筹学的发展产生了积极的推动作用。

当前挑战

该数据集致力于解决三维装箱问题在真实工业场景中的复杂约束优化挑战，包括多维空间布局、动态重量分配、包裹兼容性管理及重心稳定等多目标协同优化。构建过程中的主要挑战体现在两方面：一是需在有限规模内精确模拟现实约束，以适应当前量子设备在噪声中尺度量子时代的计算局限，避免实例规模超出量子处理器75个包裹的处理上限；二是需设计通用且可扩展的数据生成机制，通过开发的Q4RealBPP-DataGen脚本平衡随机性与可控性，确保实例既能反映工业复杂性，又保持生成过程的透明度和可重复性。

常用场景

经典使用场景

在三维装箱问题的研究领域，该数据集为量子计算和经典优化算法的性能评估提供了标准化测试平台。其经典使用场景体现在为量子退火器等新兴计算设备设计适配规模的实例，通过包含38至53个物品的中等规模问题，有效规避了当前量子硬件在处理大规模优化问题时的局限性。这些实例融合了多维约束条件，为算法在接近真实工业场景下的鲁棒性和效率提供了严谨的验证环境。

解决学术问题

该数据集针对三维装箱问题研究中算法比较基准缺失的学术难题，提供了系统性的解决方案。它通过引入物品亲和性、相对位置偏好及负载均衡等现实约束，超越了传统仅关注尺寸与重量的简化模型，从而能够评估算法在复杂多约束环境下的综合性能。其重要意义在于建立了首个面向量子计算的三维装箱基准，弥合了理论问题与硬件可行解规模之间的鸿沟，推动了优化算法在噪声中尺度量子时代的实用化进程。

实际应用

在物流仓储与供应链管理领域，该数据集的实际应用价值显著。其构建的实例直接对应集装箱装载、货舱空间规划及自动化仓库管理等工业场景，通过模拟包裹类别间的相容性规则、承重物品的底层放置要求以及质心分布等实际约束，为开发智能装载系统提供了可靠的测试数据。数据集附带的生成器工具更允许企业根据自身货品规格与堆叠规则定制化生成实例，从而将学术研究成果无缝对接至生产环境的算法部署与优化。

数据集最近研究

最新研究方向

在三维装箱问题的研究领域，随着量子计算技术的兴起，针对现实工业场景的优化需求日益凸显。该数据集作为首个面向量子计算的三维装箱问题基准，其最新研究方向聚焦于探索量子退火器与混合量子经典算法在复杂约束下的求解性能。前沿研究通过结合物品类别亲和性、负载平衡及相对位置偏好等多重现实限制，评估量子处理器在当前噪声中尺度量子（NISQ）时代的实际应用潜力。热点事件包括利用D-Wave LeapCQMHybrid求解器对数据集实例进行验证，推动量子优化算法在物流与供应链管理中的落地。这一进展不仅为量子计算在组合优化领域的性能比较提供了标准化基准，也促进了生成式实例工具在定制化工业场景中的拓展，对加速量子计算实用化进程具有深远意义。

相关研究论文

• Benchmark dataset and instance generator for Real-World Three-Dimensional Bin Packing Problems

  巴斯克研究和科技联盟 (BRTA) · 2023年