生产下料广泛存在于钢铁、皮革、木料加工、玻璃切割等工业生产中,因此对原材料优化下料成为企业节约生产成本的关键技术环节。由于下料问题本身是NP难问题,不存在有效的精确解法。对两类典型的矩形件下料问题,即“非一刀切”式下料和“一刀切”式下料,分析其技术难题,分别提出了两个有效的启发式算法。首先,提出一般优化下料问题的数学模型,并分析其技术难题。其次,提出本文要解决的“非一刀切”式下料问题的数学模型。基于将当前和长远利益相结合的启发式思想,提出一种启发式排放算法。该方法,首先对当前的可排放位置(水平线),用贪婪算法从未排矩形件中选择可排放于该水平线的最优矩形件组合块;然后根据各个排放位置与其对应的矩形件组合块的匹配程度,选择最优的可排放位置(最优水平线)优先排放。在排放时,为了便于后续排放,先将待排放位置对应的矩形件组合块从低到高进行排序,再排放。对一类大规模实例进行计算,取得了较好的排样效果。最后,对“一刀切”式矩形件排样问题,提出一种将启发式递归与免疫克隆算法相结合的混合优化方法。该方法,首先提出一种启发式递归算法,利用该算法逐次生成利用率最高的条料,直到所有矩形件均生成条料;然后利用免疫克隆算法全局搜索能力强的特点,对这些条料序进行搜索重组,使其所用的板材数最少,即使总的板材利用率达到了最大。对两个典型算例进行计算,并与相关文献比较,表明了本文算法的有效性。