排样问题是指在规定区域内寻找较优的零件布局,以提高原材料利用率,是大规模工业生产中节约成本的关键所在。其中,尤以二维不规则零件排样应用最为广泛,在服装裁剪、船舶制造、皮革套料等领域普遍存在。优秀的排样算法能够有效的节约原材料,提高工业生产制造效率。但排样问题是典型的NP难组合优化问题,具有很高的计算复杂度,因而如何研究和设计更加高效的不规则零件排样算法具有非常重要的理论和现实意义。本文深入研究了基于最小势能原理的二维不规则零件排样算法,提出了基于动态更新排样点集合的二维不规则零件排样算法,改进了排样点更新方式和参考点选择方式,减少了零件的试排次数。针对排样算法的零件序列优化问题,研究了智能优化算法在组合优化中的应用,通过融合遗传算法的交叉变异原理对离散粒子群算法进行优化,提出了应用于二维不规则零件排样问题的改进的离散粒子群算法。通过大量基准算例验证了算法能够有效提高板材利用率,但是其时间性能尚有很大的优化空间,所以本文基于MapReduce技术对二维不规则零件排样算法并行化进行了研究与探索,突破了算法单机处理模式的限制,有效提高了排样性能。本文尝试模拟实际“摇瓶”过程,设计了基于摇瓶策略的二维不规则零件排样算法,能够将全部参与排样的零件作为一个整体考虑,在“摇瓶”过程中充分考虑每个零件周围全部零件的影响因素,更好的找到零件之间最为贴合的状态,同时仍然加入重力势能的影响因素,使得零件整体最终趋向更低的状态,能够较好的解决二维不规则零件排样问题。结合本文提出的算法,采用Visual Studio 2010技术开发了一个功能完善、界面友好的二维不规则零件排样仿真系统,验证了上述多种排样算法的有效性。