在计算机动画的研究中,布料模拟以它实现简单、覆盖面广(涉及计算机、数学、物理等学科)的特点成为研究计算机动画的代表。在布料模拟中,主要的模拟手段有传统力学模拟方法与基于位置的动态方法。在基于位置的动态方法中,对传统力学模拟增加了约束矫正来避免误差累积,但是约束震荡问题使得矫正效果与迭代次数呈现非线性的关系。在传统层次化方法中,使用层次化约束网格方法能有效地改善这一问题,但是随着网格系统层次的增加,约束矫正网格存在的不规则多边形会越来越多,使得矫正发生偏移而影响到模拟效果。本文在传统基于位置的层次化方法上,以布料模拟为载体,探索现有层次化方法的不足,最终完成基于位置层次化约束的布料动态模拟研究。论文的研究工作如下:(1)提出基于位置采样层次化约束的模拟算法。针对传统层次化模拟方法中约束网格存在的约束分布不均匀问题,提出一种基于位置的采样层次化模拟算法。该算法首先确定采样的层次深度,利用采样原理对网格进行简化,提取出各层次的粒子群;然后利用PCL贪心快速重建方法进行点面重建,完成约束网格模型的构建;最后利用基于位置的动态模拟算法进行初始层位置模拟,利用层次结构模型从最粗层到最精细层不断迭代实现粒子的约束矫正,获得位置上的矫正与速度上的提升,但是由于采样方法在实现上追求均匀,使得非均匀分布的布料模型不能够有效的模拟。(2)提出基于位置决策函数层次化约束的模拟算法。针对采样层次化方法无法对粒子分布不均匀的布料模型进行有效模拟的问题,提出一种基于位置的决策函数层次化模拟算法。该算法同样使用层次化思想完成对布料模拟的矫正收敛加速,首先,确定层次化的深度,结合原始网格的分布特点对决策函数进行选择并且完成层次粒子提取;然后,利用PCL贪心快速重建方法完成三角重建;最后,利用基于位置的动态模拟方法进行初始层次模拟,利用层次结构模型完成约束矫正。与上一种基于位置的采样层次化模拟算法相比,该方法更能灵活地适应各种不同的需求,如不均匀分布的网格等,由于针对特定场景,效率上有了进一步的提升。在实验效果上,本研究提出基于位置的采样层次化算法相比原层次化约束动态模拟算法,在布料模拟的核心衡量指标(弹簧变化率)上,不同的采样结果分别表现出不同的提升效果,最高提升18%,最低提高5%,表明基于采样层次化约束的算法效果好坏取决于采样结果与模型的相似关系。而基于位置决策函数层次化约束的算法相比于传统基于层次化的动态模拟方法则提高了23%,在没有选择合适的决策函数则可能导致模拟效果不理想,表明基于决策函数算法的效果好坏取决于模型与决策函数的适配关系。