1.一种基于多子群粒子群算法的二维不规则排样方法，其特征在于：包括以下步骤：第一步，将样片和材料的几何图形转换为一系列的二维坐标区间，然后使用启发式底左搜索算法来判断样片与材料的二维区间的是否重叠来移动样片相对于材料中的位置；

第二步，改进型PSO搜索过程如下：

1)以样片排入后的高度的倒数作为适应度值，适应度值1/H越大则排入效果越好；

2)各个样片的排入状态主要有三种：排入次序、旋转角度和镜像，所述排入次序order的取值范围1～n，n为样片总数；旋转角度angle的取值范围0°～360°，镜像mirror表示是否关于y轴对称，0～1，0表示不关于y轴对称，1表示关于y轴对称；

3)将2）中提出的三个参数作为构成粒子群中的基本粒子的三个元素，随机初始化所述基本粒子；

4)计算每个粒子的欧式几何位置，按照离原点距离的从小到大的顺序将所有粒子分为M个子群，M＜n；

5)各参数设置如下：

xij=〈orderij,angleij,mirrorij〉第i个子群中第j个粒子的位置向量；

vij=〈v_ordij,v_angij,v_mirij〉第i个子群中第j个粒子的速度向量；

pij=〈p_ordij，p_angij，p_mirij)第i个子群中第j个粒子的历史最佳位置向量；

psgi=〈Psg_ordi，Psg_angi，psg_miri〉第i个子群历史最佳位置向量；

pg=〈pgord，pgang，pgmiri〉全局历史最佳位置向量；

6)粒子的速度与位置更新公式如下所示：

vij(d+1)=w×vij(d)+c1×rand1ij×[pij(d)-xij(d)]+c2×rand2ij×[psgi(d)-xij(d)]+c3×rand3ij×[pg(d)-xij(d)]xij(d+1)=xij(d)+vij(d+1)其中d为迭代次数，c1、c2、c3分别表示趋向粒子本身历史最优解、子群的最优解、全局最优解的速度控制因子，其中c3＞c2＞cl＞0，rand1ij、rand2ij,rand3ij为0～1之间的随机因子，w为惯性因子，w的值w（d）随迭代次数的增加而线性递减：w(d)=u-v×d/D

D为最大迭代次数，u，v的值满足；

7)更新历史最优解

每个粒子进行速度更新之后，通过启发式底左搜索算法排入材料中，计算出粒子的适应度值F，从而更新粒子本身的历史最优位置，子群以及全局的最优位置；

8)当粒子群的迭代次数达到了初始时设定的最大迭代次数时，粒子停止迭代，取得当前的全局最优解作为最终排样方案；若未达到最大迭代次数，继续从步骤6）开始执行。

2.如权利要求1所述的一种基于多子群粒子群算法的二维不规则排样方法，其特征在于：所述步骤7）中，当某个子群在连续n次迭代过程中都未找到更优解时，判定该子群陷入了局部最优解，对所述子群的随机重置。

3.如权利要求1或2所述的一种基于多子群粒子群算法的二维不规则排样方法，其特征在于：所述第一步中，启发式底左搜索算法得到过程如下：样片先从材料的左下角排入，后面的样片往右依次排入，当样片超出材料的右侧时，将样片相对于材料上移，并从左边开始重新搜索材料的剩余空间，如此循环往复，直至样片全部排入或样片溢出材料顶部时停止。