牛仔服装是衣中常青树。近百年来,促使牛仔服装不断走向时尚舞台的重要因素之一是其所特有洗水工艺。然而,牛仔服装洗水过程严重依赖洗水师经验,但该行业因工作环境不佳,缺乏年青人投入,导致该行业人力成本逐年增高。另一方面,洗水师在工作中所追求的是洗水效果的实现,对生产成本较少深究,洗水师所采用的工艺参数往往难得称得上最优。因此,本文提出利用近似模型的方法替代洗水师经验,并在此基础上建立成本优化模型并求解,用以在满足性能要求的前提下使生产成本最低。因洗水工艺方法种类较多,本文主要选取三种常用漂洗工艺(氧漂、氯漂、酵素漂)为切入点。漂洗工艺的近似模型能够反映洗水工艺参数与洗水后产品性能指标之间的对应关系,其模型精度主要受采样方法与建模方法两方面影响。为寻求较佳建模方法,本文分别采取正交采样与拉丁超立方采样,并结合多项式响应面建模法以及神经网络模型形成以漂洗工艺实验数据为基础的四种近似模型。通过模型之间的精度验证与对比,本文得出三种漂洗工艺中均采用正交抽样及二次响应面模型能够获得较好精度。其原因主要在于两方面,首先,受设计样本空间数量限制和实际牛仔面料性能指标输出值的波动的大小影响,以及RBF神经网络本身易导致过拟合现象,因此基于二次响应面所构建的近似模型精度好于RBF神经网络所构建的近似模型;其次,采用正交抽样的结果略好于采用拉丁超立方抽样的结果,主要由于在小样本量的前提下,正交抽样的数据分布要好于拉丁超立方抽样。在所建立近似模型的基础上,本文以优化漂洗成本为目标,以性能输出要求及输入参数取值范围为约束的优化模型。该模型在数学上的实质为非线性规划问题,虽非线性规划求解本身具有难度,但结合生产实际,可将该问题转换为非线性整数规划问题并采用枚举法求解。本文中亦采用案例分析的方法对整个优化模型的在实际生产中的运用方法进行阐述,以证明该模型的实用性。