随着信息技术的不断发展,服装设计行业的信息更新也发生着日新月异的变化。对服装设计师和消费者而言,选择的服装材料对服装质量和服用性能有着直接影响。为了更好的保证服装设计效果,就应该正确选择服装材料。智能选材方法随着时代的发展在机械、塑料等工业材料的选择中逐渐得到了应用,并取得了一定成效,而目前的服装材料选择方法仍依靠人们的经验值,并不能顺应服装行业发展的需求,所以需要将这些已经成熟的智能选材方法应用于服装设计中,使得服装设计的过程更加客观化。服装材料的品类很多,服装材料的性能会影响到其应用范围和最终用途,不同的纤维、不同的纱线结构和织物组织结构所形成的面料的服用性能也不相同。服装的类型很多,对于材料的选择各有其特定的要求,因此在设计服装时,有必要先对服装的穿着条件进行分析,在材料选择的决策时,对材料本身的性质进行相对精确的比较分析也极其重要。本文主要从智能选材方法的两个不同的角度出发,一是选择服装的候选材料,二是在候选材料中择优,分别采用人工神经网络和层次分析法两种不同的方法,遵从服装选材的依据和原则,对服装材料智能选择的方法进行研究。首先从选择候选材料的角度采用人工神经网络来选择服装材料,此方法偏向于消费者对服装穿着条件的需求。采用5W1H的依据构造输入模型,从服装材料的原料、织造方式、花纹和色调的角度构造输出模型,接着通过市场调研搜集样本,并寻求合适的数值表示方法,对人工神经网络的BP算法进行编程,并使用Matlab Gui进行界面设计。本文共收集了200组女装选材案例,通过对其中的180组案例进行训练,发现训练结果的吻合率为94.4%,说明基本吻合,接着对剩下的20组案例进行实例验证,发现样本训练的泛化结果与实际的吻合率为95%,说明该网络训练的泛化能力很好,因此运用人工神经网络的方法来选择服装材料具有可行性。接着从多个候选材料中选择最优的结果。采用层次分析法对服装材料进行选择,此方法偏向于比较面料本身的性质。本文通过调研选用具有代表性的风衣、西服、衬衫、礼服和内衣这五类服装的常用面料进行最优选择,其中包含常规面料和新型面料。从调研结果可以发现,服装材料的厚度、抗弯刚度、折皱弹性、热阻、透湿指数等性质影响材料的选择。本文采用专家问卷打分的方式,对服装材料的性质进行排序,并记录各个候选面料性质的实验数据。最后编写了matlab语言程序,通过在界面上输入面料性质的排序,得到相对应的最优选择。这两种方法在一定的程度上使得用户在面料选择中体验到针对需求的智能化、个性化服务,为服装智能选材系统的开发提供理论基础,从而为消费者形成一个完善的服装材料知识体系,同时也为服装设计工作提供便利。