排样问题是一类经典的组合优化问题，在现实生产中具有广泛的应用。排样问题是将待排样物体合理的摆放在指定的空间(平面)中，满足必要的约束，并且达到某种最优目标。布局结果的好坏对相关行业生产的合理性、经济性和安全性等指标有重大影响。 针对卷料上的圆形件下料问题，本文提出了基于品排的斜排，有效的提高了原材料的利用率。 基于遗传算法等进化算法在工程设计、制造业、自动控制和商业金融等领域的广泛应用和取得的显著效果，本文采用另一种进化算法--进化策略来尝试解决两类一维下料问题。它们分别是单型材长的一维下料问题(Cutting Stock Problem，CSP)和可接的一维下料问题。 对于单型材长的CSP，提出了基于进化策略的复合算法。它采用零件序列作为染色体，只采用单个体的变异和精英选择机制来实现进化。另外，在一次进化过程完成后，增加一个搜索算子来增强ES的局部搜索能力，弥补了ES在这方面的缺陷。 对于可接的CSP，ES结合了排序聚合法。它的适应值函数综合考虑了型材利用率最大化和焊点数最小化,满足了企业的实际要求。 我们的工作对于二维和其他的排样问题具有一定的借鉴价值。