服装CAD系统的不断完善促进服装工业的发展，优化排样是服装CAD系统中的核心部分，但由于其属于 NP完全问题，很难用精确算法求得最优解。一个好的排样方案可以节省原料，降低成本，因此开展对优化排样问题的研究具有重要的理论意义和工程应用价值。尤其是二维优化排样问题，始终受到广泛的重视和研究。因此本文通过对二维优化排样问题的深入思考，并综合分析比较，对于该问题采用两步法，即先用包络矩形法将不规则排样问题转换为矩形排样问题后将矩形排样进行优化。 本文首先阐述进化算法——遗传算法、粒子群算法(PSO)以及具有量子行为粒子群算法(OPSO)的基本思想，设计了基于进化算法的求矩形包络的方法，仿真实验结果表明用量子行为粒子群算法在求不规则零件的矩形包络上，具有较好的效果。在二维不规则排样问题已经转变为二维矩形排样问题的基础上，结合启发式算法建立二维矩形排样的数学模型，根据该数学模型的特性将其转化为排列问题，应用遗传算法、粒子群算法以及具有量子行为粒子群算法求解该问题，对整个解空间进行高效搜索，并在进化计算过程中应用了自适应调整规则，都取得了较好的排样结果，表明基于量子行为粒子群算法的优化算法比其他两种算法的收敛速度要快，更有效，具有广泛的适应性。 研究表明，具有量子行为粒子群算法不仅参数个数少，随机性强，并且能覆盖整个解空间，保证算法的全局收敛。其在求矩形包络还是在矩形排样问题上，其性能优于其他进化算法。