遗传算法是一种传统的进化算法,是模拟大自然中生物的进化原理在现实生产和生活中解决问题的。遗传算法由于简单、具有智能性、鲁棒性好、全局搜索能力强而广泛应用在各个学科。图形排样在制造业中占据着重要地位,为了节省生产成本、提高排样效率,利用计算机辅助排样是顺应科技的发展。遗传算法是计算机排样的一种常见算法,传统的遗传算法虽然在原来传统排样的基础上大大提高了效率,但是由于自身的一些局限性,促使排样的效率还有很大的提升空间。本文吸取传统遗传算法的优势,通过改善其不足之处,得到了更适合图形排样系统的改进遗传算法——基于知识进化的遗传算法。本文主要研究二维不规则图形的排样问题,根据图形排样中涉及到的预处理技术、图形排样策略以及进化选择方法,提出了基于知识进化与自然进化的优化排样算法。对图形排样进行优化,并对整个排样系统框架和系统每个模块做详细介绍。主要工作如下：1、分析图形预处理技术的一些相关知识,图形的分类、图形凸凹性的判断、不规则图形的矩形包络、互补图形的组合以及孔洞图形的填补,做好排样前的准备工作。2、提出知识规则,知识规则主要包括零件的边界判断,确保零件排样时存在于板材之内；计算排样零件的面积和,面积超过板材面积50%的种群可以继续进化,否则直接淘汰；然后再利用基于像素格式的位图查看排样零件之间是否有重叠现象。3、研究图形的排样策略,图形按照一定的规则进行排样是很重要的,本文经过研究采用基于最低重心的排样策略,就是找出排样后所有图形组合之后,重心最低的排样结果图,重心最低就意味着所有图形的排样结果是最优解。4、设计图形优化排样系统,全面介绍了排样系统的操作流程,整个排样系统的框架结构和系统中各个模块的功能。同时排样系统中加入知识进化部分,降低了计算复杂度、提高了排样效率。通过利用图形模拟真实零件的实验,比较改进遗传算法和传统遗传算法的排样时间和板材利用率,仿真结果证明改进的遗传算法具有优势。