我觉得这个问题的关键是在于实际需求和开发的沟通上，最好和开发人员沟通一下，把你使用自动排版的问题反馈一下，给他们一些专业的建议。
很多时候主要问题是开发人员不知道需求具体是什么，一般能想象到的都能写。

这个比较像一个二维的装箱问题，属于组合优化范畴，不像机器学习问题。

二维装箱问题比较简单得情况就是已知有若干个大小不一的长方形，（不重叠）装到一个定长的箱子里，让堆叠起来的高度尽量降低。我本科照这一篇论文实现过这个过程，大致思路是确定一个码放长方形的方法，然后用遗传算法找一个比较优秀的码放的顺序（遗传算法是启发式算法）。当时参考的论文http://www.cs.nott.ac.uk/~psz...

你们公司的情况肯定比这个复杂：

1. 上面说的情况装箱前已经知道了长方形的信息，如果不知道的话就是一个在线(online)的问题，应该更复杂。

2. 凸多边形还可以用长方形近似，你们的零件应该不是凸多边形。

遗传算法有很多参数，如果你们公司需要裁剪的零件种类不多的话，感觉是可以找一套适合的参数的（这里就有机器学习了）。遗传算法应该有现成的Python实现。

水平有限，这里只是提供一下思路。如果你们有心搞个专利什么的还是推荐去找个数学系组合优化方向或者运筹方向的教授好好请教一下。

我对机器学习的初步理解就是有些难以表达的潜在规律,通过不断机器学习,最终机器代替了人工.

你的这个表述还是很准确的，但是你想解决的排版问题却是基本可以表达出明确规则的。

哪些是难以表达潜在规律的任务？必须现在遇到的图像识别技术，你说人脸是啥模样，这是没办法准确用较为简单的代码表述的。

机器学习类人工智能 因为需要大量学习样本，你的排版任务就需要提供大量的学习样例，估计以目前的要求你会死在学习样例准备上。

你说AlphaGO解决的围棋是可以明确描述规则的，这个确实是可以明确描述规则，但是因为搜索空间巨大，用规则的话在时间上是无法满足需求的。

而排版与围棋比较的话，搜索空间可能就少了许多，没有必要抛弃纯算法策略而去求助于机器学习。

你要说机器学习人工只能能不能解决排版问题，能肯定是能的，只是费那劲儿干嘛。俗话说“有多少人工，就有多少智能”，准备让机器学习的样例把 骚年

题主你说的这思路我今年也有考虑，排料算法现在很多行业CAD里确实做的比较鸡肋。不光是机械，其他涉及材料使用的，比如服装领域也有很好的价值，而且能很快给客户带来直观的经济利益。我当时初步看了下，觉得有几块技术难点：
1、是不规则几何体的存储和表示（包括可能要加载现有的某些CAD图片格式，我看过，标准挺复杂的）；
2、排料过程中是否有某些行业约束，比如服装里排料的时候要考虑是否要顺着纹理方向排版等；
3、现有成熟的人工智能框架貌似没有现成对应的算法，初步看像卷积神经网络这些好像也不是和适合这种排料问题；备注：当然这块我还没有太深入的看，只是初步看法，用什么语言无所谓，关键是能够确定用哪种确实有效的算法。据说国外商用排料引擎好的价值过亿，从这个角度看这应该不是一个简单问题：）

这个没必要人工智能吧，写个简单的回溯算法就可以了吧