目前传统服装生产模式正在快速向服装定制化生产转变。订单由少品种大批量转换为多品种小批量,要求服装生产线柔性高,产线资源配置能够快速响应。然而服装生产流程长,个性化需求导致工序参数多变,给服装定制生产、流程最优化与资源配置合理化带来巨大的挑战。针对服装定制生产的资源配置难题,论文展开系统建模、动态过程数据融合以及流程优化的智能代理方法研究,本文的研究工作包括:（1）建立了面向认知制造的服装定制化生产流程模型。从单元与系统层次出发,建立了多层级数学模型,定义了服装定制生产流程分析问题、优化目标以及约束条件;提出了定制化服装认知制造系统模型,基于Sys ML（Systems Modeling Language）从生产流程、用例、需求、状态机和控制等角度构建了多要素信息模型。（2）设计了基于知识图谱的服装定制生产流程动态数据融合方法。针对服装定制特点,基于本体的知识建模方法设计了过程、资源和特征的三类本体建模方法;针对批量小、工艺长、数据离散程度高,提出了基于双向融合的服装定制生产知识图谱构建方法,建立了一种以订单为单元的知识图谱片模型（Knowledge Graph Facet,KGF）,可构建服装定制生产的完整知识图谱;研究了面向服装定制生产的知识表示、生成、挖掘与推理,提出了定制生产过程中多模态数据的融合方法。（3）研究了服装定制流程优化的智能代理方法。对感知代理与认知代理进行建模,设计了一种局部与全局流程优化的感知与认识代理实现策略;基于数据流、知识流和控制流实现感知代理与认知代理进行多要素交互;利用代理提出了基于多智能代理强化学习的流程优化模型与双环强化代理（Dual-Loop Reinforcement Agent,DLRA）算法,实现了生产流程多层次优化。最后,提出的方法运用到某西装定制生产过程中,验证了可行性与有效性。DLRA算法制定的方案在完工时间、成本、设备平均利用率和设备平均等待时间上相比于传统方案优越性最强,分别提高了60.82%、37.74%、36.73%和降低了39.58%。