优化排样是指在给定规格的原材料平面区域上,互不重叠地尽可能多的排放多个相同或者不同的几何图形零件,以得到原材料利用率最高的一种合理布置。其广泛应用于钣金、钢结构、航空、船舶、服装、皮革和纸制品以及玻璃加工等行业生产过程中,是制造业自动化过程中一个关键环节。中国是世界皮革工业大国,但却并非皮革强国,我国的皮革业生产技术与发达国家相比,还处于比较低级的水平,离智能化、自动化的加工技术还存在着很大的差距。这不仅严重阻碍着中国皮革工业的可持续发展,而且直接威胁着中国皮革工业的生存。本论文结合福建省科技计划重点项目(2009H0032),以制鞋业为工业背景,来研究皮革的优化排样问题,以指导工业实际生产,节省原材料,提高生产效率,增强企业竞争力。本文对皮革优化排样问题主要做了以下研究工作:(1)对现有各启发式排样算法进行分析改进,在此基础上得到一种有效的基层排样算法IBLLH。(2)将遗传算法和蚁群算法进行混合改进,提出混合遗传蚁群算法,并以此作为上层智能优化算法,结合基层IBLLH算法,实现对皮革的优化排样。(3)分别从基于矩形包络的多边形排样和基于临界多边形(NFP)的排样两种思路出发,对不规则皮革优化排样问题进行了研究,讨论了具体算法步骤,并进行了实例分析,得出各影响因子取值范围,验证了其可行性。