用途：解决三维装箱（3D Bin Packing）与三维空间优化问题，将三维箱体或物品装入集装箱、卡车或料箱，目标包括最大化空间利用率、最小化容器数量、降低运输成本并保证装载稳定性。
主要能力：覆盖多类问题，包括3D-BPP（用最少同规格箱）、单容器装载（最大化单箱利用率）、托盘/集装箱两级装载、多容器异构装箱（不同尺寸容器选择与装箱）、以及体积与重量双重约束的装箱。支持物品尺寸、重量、易碎与堆叠限制、是否允许旋转（6种朝向或受限）、容器尺寸与承重、重心与轴重、堆叠层数、装卸顺序（LIFO/FIFO）、多站点配送与按客户分组等约束的建模。
方法：提供精确方法（整数规划，仅适合极小规模，如少于10件）与启发式方法，包括Bottom-Left-Back（BLB）贪心放置、层构建算法（先分层再在层内做二维装箱）。资料中给出Python示例代码，涉及pulp、numpy等库，并包含Box、Space类与残差空间生成、利用率计算等实现。
使用方式：先明确目标（最少容器或最大利用率）、物品规格（数量、长宽高、重量、易碎/可堆叠、可否旋转）、容器规格（尺寸、承重、数量与类型）以及物理约束（重心、堆叠、装卸顺序、多站点等），再选择精确或启发式算法求解。
适用场景：物流运输装载、仓储与托盘规划、集装箱配载、多客户配送分组等。
限制：三维装箱为NP-hard问题，精确方法仅适用于极小规模；启发式方法快速但可能非最优；资料中整数规划示例省略了非重叠约束，实际使用需补充完整约束。具体性能、收费与平台支持暂未提供。