本课题对目前制造业生产工艺中存在的下料问题，尤其是不规则零件在不规则底料上的优化排样问题，进行了深入地分析和研究，将遗传算法作为核心算法，引入到系统设计中，提出了解决板材下料的一套实用算法，结合计算机编程，实现了二维不规则零件自动优化排样系统。 遗传算法是借鉴生物的自然选择和进化机制的一种全局优化自适应概率搜索算法，具有快速随机的全局搜索能力。遗传算法完全克服了传统优化算法易于陷入局部最优解的缺陷，它通过染色体的基因突变跳出局部最优解，因而最终收敛到全局最优解。对于非常复杂、高度非线性问题的优化求解，表现出比其它传统优化方法更优越的性能，是21世纪智能计算中的核心技术之一。 本课题对遗传算法做了系统的介绍，其中包括遗传算法的特点、基本实现技术问题等。对遗传算法在求解不规则零件优化排样问题的设计及具体实现也做了详细讨论。 本课题以UG NX3.0软件作为软件平台，以UG/OPEN API结合VC++为开发工具，进行二次开发。首先使用遗传算法，通过全局优化概率搜索产生待排零件最佳的排样次序、每个待排零件的旋转角度及角度属性，从而得到排样方案，再运用基于BL策略的启发式排样算法进行定位，从而设计实现了二维不规则零件的优化排样系统。 在本课题中，对于含有曲线段的零件进行了近似多边形处理，在进行近似多边形处理的过程中，采用非等分弧长选取点；对不规则排样件并不进行近似矩形闭包的处理，而是进行扫描线的处理，真实地反映出不规则零件的形状；在遗传算法适应度函数的设计上，利用底料的材料利用率，而不是利用所用材料的最低水平高度，以上这几点都大大地提高了材料的利用率，也就达到了优化排样的目的，这几点也是本课题的特色和创新所在。