型材切割规划

型材切割规划（Bar CUT）： AutoCUT 提供解决一维钢材、型材、棒材、管材、条材等材料分切的优化引擎，可用于建筑钢材、钢结构工程、输电铁塔、门窗铝型材、管道、五金型材、线缆等的开料规划。在需求量大、品种复杂的一维切割场合，AutoCUT 只需几秒钟的计算就能给出最优化的切割方案，从而大幅度的提高材料利用率。AutoCUT9 能够很好的求解一维切割规划问题（1D Cutting Stock Problem），对于目前工业工程中常见的问题规模而言，系统能够在较快的时间内获得问题的最优解。

简易分切算法

简易分切算法（Simple-Strip）：在每根母料切分段数较少时，建议采用简易分切算法。该算法有较好的适应性，能够找到非常简洁的最优解。但简易分切算法对计算量敏感，单个布局分段超过 20 段时，算法不能
保证获得最优计算结果，耗时也将增加。

多段分切算法

多段分切算法（Multi- Strip）：当材料相对较长而零件相对较短时，零件在材料中的切割组合也急剧增多，多段分切算法能够适合于求解大规模一维优化问题，它在复杂分段切割时有较快的计算速度并能保证最优性，优于简易分切算法。但在分段较简单时，其速度不如简易分切算法，且不保证所得最简洁的切割方式。一般一根原材料经常需要切割在 20 次以上时，建议选择用多段分切算法。

极限算法

极限算法（Greedy Case）：又称启发式贪心算法。这是一种拟人算法，对求解一般组合问题非常有效。一般的贪心开料算法思想是将尚未开出的部件在当前板料中最优组合，使当前板料最大化利用后完成当前板料开料，然后扣除已开部件后继续下一板料开料。贪心算法虽然尽可能保证当前所使用的开料方式最优，但并不能保证各开料方式组合后整体利用率最高。此外贪心方法对于数量和种类不多的情况可得到比较好的效果，但是部件数量较多时则可能产生过多的开料图，极限算法是一种优于一般贪心开料算法的启发式全局优化算法，通过配置组合参数，算法可适用于绝大多数的开料需求。

规划算法

规划算法（Program Case）：规划算法也可称“数量组合套料”是一种高效的大数据量智能优化算法，它在一般情况下总能够获得问题的全局最优解，即整体的最优方案，这正是人们梦寐以求的。规划算法能改善极限算法开料时所产生的全局优化不理想、开料布局数过多、开料工序繁琐的问题。它适合于需求零件种类少，而每类零件的数量多的情况，算法能够在较少的布局样式下就获得很好的全局利用率，所产生的开料样式数少，一种样式图重复开料多次，从而使用自动开料锯进行层叠开料时可获得较高的切割效率。

批量异形排样算法

批量异形排样算法：解决大规模的异形件在规则的矩形板料上下料的问题，适合于大批量下单的生产企业。金属工业中通常将板料切割成条料，然后再在条料上冲裁出零件。该算法先将零件进行条带排样，然
后将条带在板料上排样，再考虑不同规格的板料组合下料。

异形混合排样算法

异形混合排样算法（Profile Mix）：异形混合排样算法形式灵活，允许使用异形板料、空洞板料、空洞零件等，整体过程基于零件和板料间的轮廓匹配，直接支持内轮廓排样，它适用于任意形状零件和板料的切割排样，可在切割数控机上即时进行，多用于车间的零散来料加工。目前异形混合算法是基于 Bottom-Left 排放策略（即总是靠左靠下排放零件），算法缺点是其速度受数据分辨率、转角分辨率影响较大，且不支持全局优化。

圆形混合排样算法

圆形混合排样算法（Circle Mix）：圆形混合排样算法是专门针对零件均为圆形的异型混合排样算法，由于采用有针对性的处理，其排样速度比一般异型算法快，所得的排样精度也较高。