优化排样问题的工程描述是:在某种形状的母版板材上排放一组待加工的切割件或冲压件,要求在母版板材有效区域内各个样件排放互不重叠,满足一定的切割工艺和行业要求,且最大程度提高原料的利用率,减少废料的产生。排样问题广泛存在于航天、造船、汽车等行业的各种板材的加工制造环节,如钣金下料、皮革和玻璃切割,等。实现智能优化排样是智能制造的重要环节。本文智能优化排样的对象是皮革材料。我国是世界上最大的皮革消费国。皮革加工制造不仅涵盖制鞋、皮衣、毛皮及其制品等行业,而且与飞机、汽车、家居等行业的关系极为紧密。面临着日益紧缺的资源问题,如何实现皮革生产技术的自动化、智能化,提高皮革利用率和生产效率,是我国皮革企业急需解决的技术难题。本文以皮革制品为工业背景,以提高皮革企业在生产加工排样过程中的材料利用率和生产效率为目的,开展科学研究。重点研究如何实现原材料母版的高利用率,同时保证合理的排样搜索时间,实现优化排样。从数学计算复杂性理论看,皮革企业的排样问题是属于NP-hard问题,随着排样对象规模的增大,计算复杂性急剧增加。至今尚未找到解决NP完全问题的最有效方法。本文主要从以下几个方面来研究皮革智能优化排样问题:(1)对自适应遗传算法进行改进,搜索矩形样件组的最优入排顺序,再以剩余矩形算法作为解码算法,实现矩形样件的自动排样;(2)对萤火虫算法进行离散化,将应用于连续空间优化的萤火虫算法扩展到矩形样件组合优化中,并对模拟退火算法做了相应的改进,提出了离散萤火虫模拟退火算法,再结合剩余矩形算法实现矩形样件自动排样;(3)对皮革面料母版外轮廓信息的提取、皮革样件外轮廓曲线的离散化、Matlab读取DXF格式图形的数据等预处理进行了简单的研究,提出了改进的基于BL策略的扫描线算法对不规则多边形样件进行定位和重叠检测;(4)用模拟退火算法实现“摇瓶子策略”的思想,用并行搜索策略分别对样件的入排顺序和旋转角度进行搜索,把离散萤火虫模拟退火算法与“摇瓶子策略”相结合解决不规则样件的排样问题。本文进行的实验仿真研究证明,利用所提出的智能算法对二维样件进行排样,效果显著,利用率大幅提高。本文所研究的皮革样件的智能优化排样问题,为企业实现皮革智能制造提供了理论和技术基础。同时也完全可以应用于钣金下料等行业。具有一定的理论价值和实用意义。