排样,是将整根、整张或者整块的原材料条料、板材、卷材,按照一定的工艺条件进行切割,裁剪出若干确定规格和形状的零件的过程。优化排样问题要在零件数量得到满足且互不重叠的条件下,确定出使得原材料的利用率最高的排样方案,其在求解上是具有最高的计算复杂度的NP-hard问题,且计算复杂度随着待排零件规模的增大而呈现出指数级增大的趋势。优化排样问题广泛的应用于工业工程生产的各个领域,对于优化排样问题的研究具有重要的经济价值和意义。本文主要研究了“一刀切”约束下纹理板材的排样问题。在对矩形件排样问题的研究背景和研究意义进行综述的基础上,总结并分析了矩形件优化排样问题的国内外研究现状。针对矩形件排样问题的具体特点,结合本文所研究问题的约束条件,给出了具有“一刀切”约束的多种规格板材、部分零件具有纹理一致性要求的矩形件优化排样问题的数学模型,并对矩形件优化排样问题的相关理论进行了概述。在分析和比较几种常见的启发式排样算法和智能优化算法的优缺点的基础上,将评分策略融入启发式算法中,并运用模拟退火算法将其结果进行了优化,使算法在高效地基础上能够得到较高的板材利用率。随后介绍了遗传算法的基本理论,基于所研究问题的特点,设计了适于本文研究问题的遗传算法的步骤,包括遗传算法中的编码策略,种群构成,适应度函数的定义,选择、交叉、变异算子的确定,算法的解码策略。并通过融入模拟退火算法的思想进行了混合算法的研究,将两种算法的优点融合在一起,有效地化解了遗传算法陷入局优的困境,提高了算法的优化效率。本文还结合了作者的工作经验,采用面向对象的方法,对于优化排样系统进行了面向对象的需求分析和建模,设计了系统的数据库、数据输入、优化和交互排样以及输出模块。最后对本文工作进行了总结与展望。