矩形件优化排样是指在矩形板材上排放多种不同大小规格的矩形件，这些矩形件不能相互重叠，也不能超出边界，而板材的利用率达到最大。这一问题广泛存在于玻璃、家具、钢材等领域，直接关系着工厂的经济效益。而矩形件排样问题是一个典型的NP完全问题，至今仍未找到更加合适的解决办法。本文所涉及矩形件分层排样问题则和以上矩形件排样问题相反，在钢结构加工、家具生产和地板铺设等行业会遇到这样一种问题，需要的目标零件规格较大，必须由多种不同规格的矩形板材进行拼接，这同样是一个NP完全问题，解决这一问题对于诸多行业都有深远的意义。针对本文所涉及矩形件分层排样问题，本文改进BL算法和最低水平线算法设计了分层最低水平线算法进行分层排样，而选用遗传算法进行作为全局搜索算法，设计了适应度函数和环形交叉算子以改善遗传算法性能，通过遗传算法进行全局搜索和分层最低水平线算法的排样得到矩形件分层排样问题的优化解。本文采用Java进行模拟算法的实现，对工厂提供的实际数据进行模拟实验，将实验结果进行分析得出了该改进算法的有效性和合理性，突破性的解决了矩形件分层排样的矩形板材拼接问题。由于矩形件分层排样问题目前还没有算法予以解决，因而本文所涉及的实验结果并没有进行横向的比对以突显该算法的合理性，但是该问题的初步解决对后续的研究工作具有一定的指导作用。