二维不规则排样是一个典型的平面优化布局问题，母板和样片为平面不规则形状的多边形，其目标是在母板上寻求一个合理的样片布局方案，使母板的利用率最大。需要满足的约束条件为：样片在母板内部布局；样片相互之间不发生重叠且可以以一定的角度进行旋转。对于一些加工企业，提高排样的效率可以带来巨大的经济效益，因此排样在服装裁剪、皮革加工、玻璃切割等领域有着广泛的应用。不规则排样问题是一类具有极高计算复杂性的NP-hard问题，吸引了大量的学者对该问题进行广泛的研究。目前二维不规则排样中存在的主要问题有：临界多边形（No Fit Polygon，NFP）的快速计算、样片布局速度、排样利用率及样片加工快进路径优化等问题。针对以上主要问题，本论文做了如下几个方面的工作：　　（1）针对判断样片是否重叠需要大量几何计算时间的问题，提出了一种改进的基于移动碰撞法的临界多边形生成算法，提高了生成临界多边形的计算速度，时间复杂度为O((m+n)mn)。改进算法是以Burke等提出的移动碰撞算法为基础，使用简便的向量运算进行靠接位置检测；减少了求解移动方向和可移动向量的判定情况；提出了一种计算最小移动距离的方法；简化了生成临界多边形的步骤。改进后的算法有效地降低了几何计算的复杂性，减少了生成临界多边形的计算时间。实验结果表明新的算法是有效可行的，计算速度较Burke算法有了较大的提高，为不规则排样问题往智能优化方向发展奠定了几何计算的基础。　　（2）提出了基于形心临界多边形的布局策略和启发式排样算法，提高了样片的布局速度，时间复杂度为O(n)，使母板利用率明显提高。对现有的不规则样片布局策略进行改进，通过生成样片的形心临界多边形，提出将形心NFP中最低顶点位置作为样片的放置位置的布局策略，建立了以最大化母板利用率为优化目标的数学模型；将布局策略与爬山算法相结合，提出了一种启发式排样算法。不规则排样基准问题的测试结果表明启发式排样算法使母板的利用率得到明显提高。　　（3）提出了一种基于量子进化算法的智能排样算法，使排样具有了较强的全局优化能力，取得了比启发式排样算法更优的排样效果。结合二维不规则排样问题的具体特点，算法设计了基于排样编号序列和旋转角度索引序列的量子染色体个体，并以概率的方式进行量子观测；为改善量子进化算法的性能，采用自适应调节方式更新量子个体；通过构造启发式算法生成初始种群保证种群的质量。基准用例的测试结果和算法对比实验，验证了所提算法的可行性和有效性，表明智能排样算法具有较强的全局优化能力，能够取得比启发式算法更好的排样效果。　　（4）针对样片加工快进路径优化问题，提出了一种基于自适应遗传模拟退火算法的求解方法，能够有效地优化快进路径，提高了裁剪机的加工效率。为提高遗传算法的局部搜索能力，在进化过程中融入模拟退火的Boltzmann更新方法；采用自适应的方式对交叉和变异概率进行调整；根据多轮廓加工最优子结构的特征，设计了基于动态规划法的个体适应度评价方法。应用实例验证了算法可有效构建刀具的快进路径，标准问题测试结果表明了算法具有较高的优化性能。　　（5）在理论研究工作的基础上，以某制鞋机械有限公司研制生产的SMC-50型数控裁剪机为依托，开发了智能排样系统。智能排样系统可以进行自动、手动排样，根据排样结果，能够生成裁刀的加工快进路径并输出。