板构产品是以板材为主要原料,以平面加工为主要制造特征,若干板式配件通过轻量化装配而形成的一类产品,常见于板式家具、玻璃深加工、建材卫浴、纸品与印刷业等诸多行业。下料作为板构产品制造的首道工序,而下料排样优化又属于经典的组合优化问题,因此具有重要的理论研究价值和实际工程意义。然而,强个性化需求驱动下的板构产品生产过程呈现了诸多新特征:超大量变规格、异型板、特殊工艺要求、过程优化与工艺优化耦合等。论文重点研究了板构产品制造过程中存在的排样优化问题。在考虑企业生产过程中的制造约束与工艺约束基础上,充分挖掘板构产品几何近似关系的启发作用,充分利用“特征近似”与“工艺相似”的映射关系,探索制造过程与工艺依赖的快速排样方法体系。主要的研究工作如下:(1)研究了面向排样的组化方法与技术体系。关键技术包括:深度与层次可控的组块快速构造方法、基于双队列排序的组块存储结构、基于适应度的组块快速举荐算法,并提出了基于组化技术的混合构造型启发式排样搜索模型。(2)提出了一维排样问题的两阶段混合启发式求解算法。第一阶段利用贪婪与递进结合的思想,快速生成可行下料模式;第二阶段将一维下料问题转化为集覆盖问题,建立问题的整数规划模型,通过分治法降低问题的求解规模,调用和集成CPLEX优化器进行快速求解。(3)针对满足“一刀切”约束的单规格排样问题,提出了基于组化技术的大小工件分治择优启发式排样算法BSDBF。算法以二元组块双递归执行“排布-切割”过程,集成了大小工件分治策略和组块快速举荐算法,通过二分法和贪心搜索获得初始排样结果,使用启发式的板材拆分策略进行排样结果后处理。BSDBF算法具备全局搜索、构造式及确定性的特征,获得的优解可复现。(4)为了求解多规格排样问题,提出了板材组件驱动的启发式排样算法MGDHPA。依赖于板材组下料率的天然维度间隙,通过板材组的构造、推荐、选择和替换操作,实现大量待选板材组的排样约简;通过全局变量板材利用率的反馈,依托宏微二级组化及反馈机制,协调组块在板材上的排布过程。通过分析多规格初次排样结果的构成,提出混合式重排算法,包括基于最后一片重排、遍历替换板材组的小规模重排及基于利用率优劣集的大规模重排三种重排算法。结合MGDHPA算法,考虑切割阶数,提出3NE分层启发式排样算法,实现了高效的剪切下料。(5)针对板构产品制造过程中存在的“下料—投放—装载”耦合优化问题,提出了基于缓存仓储片调度的集成优化求解方法。提出的基于k元组块的3NE分层装载算法,将下料方案和装载方案的耦合转化为流水次序求解问题,实现问题的策略性解耦;提出的基于次序约束的缓存仓一维排样优化求解方法,通过分层迭代实现计算性解耦。本文的研究创新包括:①提出了基于几何相似性的组化方法与技术体系,提升二维排样问题的计算粒度,并形成工件组块和板材组合相结合的宏微二级复合优化机制,有效约简了计算空间;②提出了高效的大小工件分治择优排样搜索算法BSDBF求解矩形件一刀切排样,可作为算法内核应用与其他求解算法中;③提出新式的三策略构造的混合重排算法,有效提升多规格板材二次重排利用率;④针对以排样为核心的多离散优化问题耦合现象,提出了领域依赖的、计算与策略相结合的混合式解耦方法。论文以国际上通用测试案例进行算法测试和性能比较,验证了所提算法的有效性。针对中空玻璃制造过程中存在的排样优化问题,通过企业实际生产数据测试,验证了所提算法的工程实用性。论文相关方法的研究能够为板构产品制造企业提供高效的智能下料排样服务和生产决策支持。