切割问题和装填问题在学术界属于一类经典的NP难问题,它们有着众多的变种,例如:一维的背包问题,二维的矩形切割问题,三维的装箱问题等。其中像“背包问题”这种约束较为简单的问题,目前在理论上已经有较为成熟和高效的解决方案,对于不带额外约束的“二维矩形切割问题”,也有很多的算法和模型被提出。在实际的工业应用,如玻璃、石材、布料或是纸张的切割中,也会涉及到原料切割方案优化的问题,但是由于在生产环境中需要考虑来自生产工艺、客户需求等多方面约束,极大的增加了问题的复杂性和优化难度。本文根据实际玻璃切割中所遇到的瑕疵、一刀切、成品顺序、切割深度、多块原料等限制,提出了一种分层智能搜索算法,用于高效的求解带瑕疵的多约束矩形切割问题。1)针对问题中的一刀切和切割深度约束,本文提出了一种新的局部解的表示方法,降低了局部搜索空间的大小,大大提升了算法的搜索效率。2)针对问题中的瑕疵和成品顺序约束,本文提出了特定的成品放置策略,在规避瑕疵的同时保证原料的利用率,极大的提高了算法的求解质量。3)针对多块原料约束和大规模问题的求解困难,本文提出了分层搜索的框架,并为每一层设计特定的搜索策略,既提高了算法搜索的灵活性和精确性,又保证了其在大规模问题上的优化效率。通过对30个成品数量在100至700范围内的算例进行测试发现,对于其中80%的算例,本文所提出的HISA-Beam算法能够在3600秒内给出利用率在93%以上的切割方案。此外,在2018年的ROADEF国际运筹优化挑战赛中,本算法在参赛的64名队伍中取得了决赛第4名的成绩。因此在实际的玻璃、石材、布料等原料的切割优化中,本算法可以在短时间内给出较优的切割方案,具有很大的工业应用价值。