随着现如今航空业蓬勃发展,旅客需求更高效和简捷的进出港相关手续,其对航班选择倾向也从价格逐渐转向服务体验。行李打包和堆放效率与乘客登机的快慢有着直接关系,装箱码放质量也直接影响着航空运输飞行安全和体验,而国内尚未对航空运输中的行李装箱码放算法进行研究,其影响着复杂环境中装卸机器人获取优良布局方案的能力。本文以航空装箱问题为研究对象,针对行李拖车和飞机货舱提出新型基于机器学习的航空旅客行李和货舱混合装箱算法。行李拖车装箱算法的主要目的是在现实条件限制下尽量获得较高的装箱空间利用率。本文基于K-means++聚类算法提出一种以空间利用率最大化为目标的混合遗传禁忌搜索算法。该算法根据质量和体积结合的实际需求把旅客行李分为若干份,以将强异构问题分解成弱异构问题。实验采用国际经典算例,综合考虑负载重量、重量分布、不重叠等多种现实条件,验证了该混合算法在各限制下表现良好,提升了装箱空间利用率。飞机货舱装箱算法的求解是通过采用“关键点”码放算法和优化粒子群算法组合成混合算法,并进行模型优化。实验采用国际经典算例,在混合算法与其他算法的对比下,不仅填充率更优而且装载速度更快,并能以更快的迭代速度和更少的迭代次数达到最优填充率,同时算法成功率保持着稳定水平。本文通过将聚类算法、遗传算法、粒子群算法、“关键点”算法和禁忌搜索算法进行一系列优化后组合到航空装箱算法中,对现阶段民航领域中的装箱算法求解提供了新思路。本文描述的装箱算法对不同行李拖车、不同型号飞机货舱都有适用性,建立了装箱算法和行李处理系统路径规划之间的联系。该研究有利于装箱算法在民航领域的更好应用,并值得进一步深入研究。