摘要：零件排样,是指在一定规格的原料板材上,按照一定规则排布若干个不同尺寸规格的零件,在满足订单配套和切割要求的前提下,达到一定的优化目标。本研究以定制家具的零件排样问题为对象,根据定制家具零件排样生产的实际情况,将零件排样问题与蚁群算法(ACA)结合,以最优化原材料利用率为目标构建批次订单排样的数学模型,搜索得到批次零件的排样方案,实现定制家具订单的批次排样问题优化。本研究基于定制家具零件的生产特点,给出结合矩形零件排样问题研究的蚁群算法中节点、启发式信息、信息素的定义并对路径的构建和信息素的更新规则进行说明,设计合适的蚁群算法流程,通过对蚁群算法参数的分析,确定蚁群算法参数取值,完成定制家具订单的排样方案的求解。对比了A企业排样的传统经验算法与本研究优化的排样算法对原材料利用率的影响,结果表明:在不同的订单样本量的条件下,本研究的基于蚁群算法优化的排样算法较传统经验算法原材料利用率分别提高6.1%,11.1%,10.0%。通过实例验证该算法在排样问题中求解具有有效性。