通过系统动态规划，套料算法可实现加工零件从设计到生产的一站式全自动标准化套料，无需人工排版，节约了人工成本，提高了钢板利用率，减少排版套料时间，并自动生成板材利用率清单、设备利用率清单、生产安排表、耗材定额表等管理表格，实现对生产流程的数字化管理。 遗传优化算法用于智能排版，通过交叉和变异，选择排布每个零件的位置和旋转角度，在下一代产生更好的解，通过适应度函数评估每一种材料的适应度，并且利用交叉和变异的过程不断地迭代寻找最优解。完成快速报价，提升报价速度和准确率，高效排板，提升材料利用率。
对于一个配件的摆放位置，配件的边界标为1，边界内/外分别标为3和0，当有新的配件被放置，将像素值相加，就可以根据像素值分辨各种情况：0表示此位置无配件，1表示某个配件未重叠边界，2表示两个配件的边界重叠，4表示一个配件的边界和另一个配件的界内重叠，6表示两个配件界内部分重叠。对于配件的布置进行评分： 第一步：针对第一个配件，设置可选的范围（至少一个顶点贴边），第一代的解包括随机产生的M组坐标值； 第二步：按照每组坐标值，将第一个配件放入材料种，判定是否违规，如未违规，按照a中所述的综合评分，布置剩余的配件使得综合评分最高，如果当前型号配件放不下了，则布置小一号的配件，直到最小的也放不下了。 第三步：计算材料利用率作为绩效评估值J，并根据绩效评估值相对大小计算选择概率（绩效评估值则选择概率大）。 第四步：进行基因操作，遗传最佳（绩效最高）的那组坐标用于保底，并随机选择其他组进行基因交叉或变异，从而产生下一代的解，希望通过交叉或变异在下一代产生更好的解。 第五步：针对下一代的解，重复第二至四步直至绩效评估值高于阈值，或者最大迭代次数。
| 字段名 | 类型 | 描述 |
|---|---|---|
程序号 |
-- | -- |
数控代码 |
-- | -- |
切割次数 |
-- | -- |
切割机器 |
-- | -- |
材质 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 程序号 | Nestings\72\72580 |
| 数控代码 | S10666 |
| 切割次数 | 1 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/2025