用途：解决二维矩形装箱与切割优化问题，目标可为最小化用箱数量、最小化总面积或材料成本、最大化利用率、降低切割复杂度。
主要能力：区分固定尺寸装箱、变尺寸装箱、单一大箱、板材切割等类型；考虑物品数量与尺寸、是否允许90度旋转、是否同规格、优先级与分组、箱体尺寸与数量、间距边距、是否仅允许断头切割（guillotine）、切割阶段数与边料损失等约束。
方法：精确方法包括分支定界与整数规划，仅适合小规模（约20至30件以内）；启发式包括 First Fit Decreasing Height、Next Fit Decreasing Height、Best Fit Decreasing Height 以及基于自由矩形与断头切割的 Guillotine 算法。问题为 NP-hard，通常需启发式或元启发式求解。
使用方式：先明确问题类型、物品特征、箱体规格、切割约束与优化目标，再选择精确或启发式方法；资料中给出整数规划与多种启发式算法的 Python 示例代码，可按需参考。
适用场景：板材下料、制造切割、仓储装箱、版面排布等二维矩形排布任务。
限制：精确方法仅适用于小规模问题；启发式不保证最优；完整非重叠约束的整数规划模型较复杂，资料中的模型为简化版本。具体收费、平台与效果暂未提供。