电力工业、数据通信业、城市轨道交通业、汽车业以及造船等行业规模的不断扩大，机床行业快速发展，直线导轨的需求随之迅速增长。线轨原材料具有统一的规格，但客户对于线轨产品的需求是多种多样的，在满足工艺要求的前提下，如何安排线轨产品的拆分和切割计划，对充分利用原材料，提高企业经济收益有着重要意义。
　　本文首先通过查阅大量国内外相关资料，对一维下料问题、超尺寸装箱问题进行综述。介绍了线轨的相关知识，详细分析了线轨的结构、特点以及线轨切割的主要性能指标、工艺流程和工艺要求，将可拆分线轨切割问题转化为超尺寸装箱问题，并对装箱问题的相关理论以及求解方法进行了总结。
　　其次，针对带有GDR约束的可拆分线轨的切割问题，在综合考虑线轨拆分的最小长度限制、拆分位置限制、拼按时的接缝限制、线轨长度、孔间距、端距、切割损耗、切割方向、GDR约束等工艺要求以及客户的拆分需求的前提下，建立了以使用原材料线轨根数最少和产生废料最少为目标的非线性多目标整数规划模型。
　　结合线轨产品的结构特点与特定的GDR约束，设计了满足GDR约束前提的余料优先启发式算法。该算法从线轨孔距、端距和自身长度的特点出发，在满足GDR约束前提下，以优先利用较短余料为贪婪准则，以期获得使用较少的原材料线轨和较高的原材料线轨利用率。
　　针对可拆分线轨的多目标优化模型，设计了遗传算法和人工蜂群遗传算法。针对产品拆分和切割过程，设计了两段式编码，并采用了废料偏好比这一概念解决模型中互相矛盾的两个目标，将多目标问题转化为单目标问题进行求解。结合问题的特点和染色体编码方式以及启发式算法，分别设计了针对产品拆分、产品切割以及切割方向的交叉变异方法。为了克服遗传算法出现早熟现象，在遗传算法的基础上引入人工蜂群算法，改善进化过程。在人工蜂群算法获得初始解邻域解的基础上，选择适值较大的邻域解进行交叉和变异，从而获得较好的子代，以此改善算法的收敛性，以期获得更好的线轨切割方案。
　　最后，基于Excel，采用VBA编程技术，通过算法参数实验，不同交叉变异算子实验，拆分与切割实验结果分析实验，启发式算法以及遗传算法、人工蜂群遗传算法的对比实验等，验证了模型与算法的有效性及可行性。对比分析结果表明人工蜂群遗传算法优于启发式算法与遗传算法。