近年来我国制造行业飞速发展,钣金、制衣、玻璃、造纸等行业均涉及到切割工艺。排样问题是在有限的原材料上寻求科学、有效的方法切割出更多的零件。优化设计排样可以降低企业生产成本、提高企业核心竞争力、最大化企业经济效益。本文首先介绍了遗传算法的相关知识,核心思想是利用染色体具有遗传进化的功能,通过交叉、变异、选择等操作,期间应用优胜劣汰法则,经过几代进化,有可能产生优秀的个体。接下来介绍了遗传算法在排样问题上的应用,染色体的编码设计、初始化种群、各种遗传算子和算法的终止条件等。其次本文介绍了目前常用的排样启发式算法,有BL算法、下台阶算法、最低水平线算法和基于最低水平线的搜索算法。本文对这些算法进行了描述和排样效果分析。文中接下来对最低水平线搜索算法进行了改进并引入阈值,提出了新的搜索算法。算法通过搜索全部零件,择优录取实现更优。在择优插入排放的时候,考虑两个矩形的长度或宽度之和与最低水平线的差值。最后,本文引入协同进化的思想,对遗传算子进行了改进。根据排样方式树状图,文章提出了一种全新的染色体编码方案。染色体基因的第一位是树状图中第一层节点的数量,剩余的基因位表示每个节点包含零件的个数。本文接着针对改进后的遗传算法引入搜索优化策略,提高了遗传算法的局部寻优能力。最后本文根据改进的遗传算法设计出了一套排样优化系统。该系统选取了有代表性的排样数据,经过测试证明其拥有良好的效果。