本文结合零件板材的下料生产过程，提出了一种混合排样算法来提高带约束矩形排样问题的材料利用率，并依据生产实践开发了一套优化排样系统。矩形优化排样问题属于NP难问题，一直是学术界和工业界的重点研究对象。本文详细分析了国内外关于矩形排样问题与优化排样系统的研究现状。根据以往学者提出的各种优化排样算法，本文将其分成三种：精确算法、启发式算法与元启发式算法，通过分析各算法实现步骤和比较其优劣性，总结出矩形优化排样算法的发展趋势。针对带约束的矩形排样问题，本文首先建立数学模型，用剩余矩形填充算法来解决“一刀切”和“多零件多板材”约束，但该算法易造成孔洞，利用率不高。根据上述缺陷，本文提出了改进的剩余矩形填充算法，增加了零件数量判断、旋转、向后查找等操作，使得零件能够被排放在更合适的剩余矩形上，并充分利用了较小的剩余矩形，避免产生孔洞。改进的剩余矩形填充算法在解决了纤维方向约束的同时，提高了利用率。最后根据遗传算法生物进化的思想，将遗传算法与改进的剩余矩形填充算法相结合，提出了一种混合算法。该混合算法能够很好地进行全局搜索，使得排样效率进一步提高，并结合算例来对比三种排样算法的效率，显示出混合算法的有效性。在优化排样系统应用方面，综合企业实际应用与理论分析，设计并实现了包括零件管理、板材管理、排样管理等模块在内的优化排样系统。该优化排样系统在某下料车间实施应用，简化了生产流程，提高了排样效率及利用率，为企业带来巨大经济效益。