排样问题来源于实际工作生产,广泛存在于许多国民经济行业中,如机械、家具、五金、服装行业等,如果能有效的解决该问题,可以提高板材利用率以节约原材料,降低成本消耗,提高经济效益。材料的节约和资源的优化利用,不仅是经济可持续发展战略的重要组成部分,而且也是绿色制造研究的一部分。　　 群智能算法是一种新兴的仿生类进化算法,是近年来在人工智能界兴起的新的研究方向和热点,主要包括蚁群优化算法和粒子群算法。蚁群算法其灵感来源于蚂蚁在寻找食物过程中发现路径的行为,粒子群优化算法也是起源于对简单社会系统的模拟,最初是模拟鸟群觅食的过程,但后来发现它是一种很好的优化工具。群智能算法具有较强的鲁棒性,采用分布式计算机制,而且易于实现,已在众多领域得到了广泛的应用。　　 矩形优化排样问题可分解成两个目标子问题:矩形布局优化问题和切割路径寻优问题。这两个问题都属于具有最高计算复杂性的优化计算问题,即NP完全问题,如果问题规模较大,用精确算法求得最优解是很困难的,研究该类问题具有重要的实用和理论价值。　　 本文主要围绕蚁群优化算法和粒子群算法的理论及其应用,就如何求解矩形排样问题进行了研究。对矩形布局问题,将蚁群优化算法和剩余矩形法结合用于解决矩形布局问题,先用蚁群算法将矩形件排样问题转化为一个排列问题,然后通过剩余矩形排样算法排出每一个排列所对应的排样图。进一步对排样图如何实现优化切割进行研究,即矩形加工轨迹应走过矩形所有内外轮廓且路径最短,这种优化问题和旅行商问题非常相似。对切割路径寻优问题,提出一种融合量子粒子群优化和蚁群优化的混合算法。该算法对量子粒子群优化算法及蚁群优化算法的模型进行必要的修改,以实现对切割问题中的旅行商问题的较好求解。