缝纫制品的服装主要制造工艺有三个步骤:设计纸样(包括调整纸样);使用纸样制造模板;根据模板裁剪布料并缝合。其中,对于不同尺寸的人体进行的纸样调整过程,也称放码过程。一个普适有效的不需要任何先验经验的放码方法,不仅能在娱乐行业中提高不同尺寸人体的穿着真实性,也将对服装制造业中纸样设计过程提供强大的生产力。现有的放码技术中,存在鲁棒性差导致无法放码与基本人体差别大的目标人体、目标函数高度非线性导致优化速度缓慢、优化稳定性差导致收敛失败等问题。为了解决上述问题,本文提出了一种改进的基于目标函数的纸样调整算法。对于目标函数,本文中提出了一种新的边界形状因子,该因子包含原边界形状因子缺失的边界相对旋转控制,解决了原边界形状因子在目标人体相对于基本人体尺寸变化较大时,无法收敛到合理解的鲁棒性问题。对于优化方法,本文提出了一种新的L-BFGS混合加速优化方法,结合了LBFGS方法的完整收敛属性和其他方法的加速收敛属性两方面的优势,在保证收敛到最优解的前提下,大幅度提高了优化算法速度。对于优化过程,本文提出了一种新的三重近似替代策略,解决了优化过程中梯度大小随着时间反复震荡导致优化过程速度变慢,有时甚至无法收敛的问题,大大改善梯度回溯现象,有效地提高了优化的稳定性,并且保证了物理的严谨性。本文考虑了多种不同的服装模型,对大量常见尺寸的人体进行了普适性放码实验,对夸张尺寸的人体进行了鲁棒性放码实验。结合放码结果的合身程度和样式还原水平进行分析,本方法准确地对人体人体的局部细节进行了处理,并且放码结果与目标人体的适配情况与基本情况十分接近,证明本方法的正确性、普适性与鲁棒性。