随着全球市场竞争的加剧和信息技术的不断发展,服装制造业如何适应以多品种、小批量、个性化、高质量、低成本为特点的市场快速反应需求,已成为现代服装企业生存和发展的重要难题。基于数字化服装产品开发技术是适应发展趋势、增强企业竞争力的重要技术之一。服装排样问题的优化编排是数字化服装设计的重要内容之一。研究二维服装布料排样问题,实现计算机辅助服装排样的优化编排,对于提升服装企业的生产效率、技术水平,降低生产成本等都具有十分重要的意义。二维服装布料排样是一个平面布局优化问题,目的是在一定的约束条件下,寻求一个排样件布局方案,使得浪费的原材料面积为最小,亦即材料利用率为最大。本文主要工作如下：首先,综合分析了国内外二维排样问题的研究现状,阐述二维排样问题各种算法的关键技术,特点和应用现状,结合服装布料排样问题,指出了当前排样算法研究中的热点和难点。其次,针对排样过程中由于各个部件的图形的凹凸行不一致,导致凹形多边形的凹陷无效区域没有图形进行填补,并且不同的凹形多边形如果数量多,造成排样效率低,原材料的大量浪费等这一技术难点,开展了多边形的排样件的预处理研究。本文利用向量叉积的性质来判断多边形各内角是否大于180度,进而推出顶点的凹凸性判别式。通过多边形面积的计算,选择小面积排样件,填补到凹形多边形的凹陷无效区域内,形成新的排样个体,从而提高了原料的利用率,也减少整体排样件的数量,为后续的排样过程提供了方便。然后,分析和研究了排样件的几何形状对多边形判交和定位算法的计算影响度,在此基础上,提出了一种等距离扫描区间表示原材料多边形和排样多边形的方法,基于这种几何表达方法,给出了一种与多边形形状复杂性无关的多边形判交和定位算法；结合启发式算法,推出了基于BLF策略的不规则多边形的扫描定位启发式算法；仿真实验表明上述算法,大大提高了不同多边形的排样精确性。接着,学习与研究了遗传算法和模拟退火算法理论与技术,在此基础上,结合本文提出的多边形扫描定位启发式算法,给出了一种混合遗传模拟退火算法,该算法利用遗传模拟退火算法的全局搜索寻优能力,寻找排样多边形的最佳排样持续和旋转角度；利用多边形的扫描定位启发式算法来实现自动排样。通过西裤的样板图的实例排样,验证了该算法有效性。最后总结了本文的主要工作,并对下一步的工作进行了展望。