用途：解决二维不规则形状排样（2D packing），把非矩形零件尽可能紧凑地排布在板材等原材料上，以减少用料、降低成本、提高材料利用率。适用于钣金、皮革、布料、木材、复合材料等切割下料场景。
主要能力：资料提供了完整的排样问题分类与建模框架，包括不规则形状排样、条带排样（固定宽度、最小化高度）、带约束排样（固定朝向、纹理方向、零件分组、材料质量区域）、在线排样（零件动态到达）和多材料排样。给出了数学形式：决策变量为零件位置、旋转角与是否使用某张板；目标是最小化用板数或材料面积；约束包括零件不重叠、不超出板材、满足最小间距与需求数量。资料说明该问题为强 NP-hard，通用情形无高效精确算法，需用元启发式方法。
方法：资料给出两种实现思路。一是左下（Bottom-Left）启发式：按面积从大到小排序，对每个零件在允许角度中尝试，用网格搜索找到最靠左下且不越界、不重叠的位置，间距用缓冲实现，最后统计用板数、利用率与浪费，并可可视化。二是遗传算法：以零件顺序和各自旋转角构成染色体，以用板数与浪费为适应度，参数含种群规模、代数、变异率与交叉率；资料中该部分代码未完整给出。
使用方式：需先用多边形坐标定义零件并指定数量、可旋转角度，设置板材宽高、间距与允许旋转角度，再运行排样并查看用板数、利用率、浪费等结果。示例中零件坐标与板材尺寸仅作演示，非通用参数。
限制：资料未提供安装命令、依赖清单、收费或平台信息，未说明具体运行环境要求；示例依赖 numpy、shapely 与 matplotlib，需自行确认可用性。算法为启发式，不保证全局最优，效果取决于零件复杂度、约束与参数设置。