近年来,随着海上船舶数量的增加和船舶吨位的增大,船舶航行安全问题日益重要,如何保证海上船舶的航行安全是一个迫切需要解决的问题,同时也是许多专家和学者研究的重点和热点。合理的船舶避碰方案的确定和船舶碰撞危险度的确定是保证海上船舶航行安全的重要问题,本文首先通过粒子群优化算法及改进的两种粒子群优化算法来进行船舶避碰方案的确定。然后考虑到船舶碰撞危险度的确定是一个很复杂的过程,受很多因素的影响,具有很强的非线性特征,本文基于粒子群算法和神经网络的特点,构建了粒子群神经网络模型,并通过函数拟合、分类和广义异或问题进行验证,最后将粒子群神经网络模型应用到船舶碰撞危险度的确定。论文的主要研究成果可归纳如下:(1)将粒子群优化算法、改进的混沌粒子群优化算法和免疫粒子群优化算法三种算法应用到船舶避碰方案的确定上,通过本船分别与一个目标船、两个目标船和三个目标船形成的各种会遇态势进行仿真,并与穷举法的结果相比较,证明了这三种算法可以取得比较好的效果,可以应用到船舶避碰方案的确定上。(2)构建了粒子群神经网络模型。针对神经网络结构的不确定性和权阈值的随机性,本文首先通过混合粒子群优化算法来同时确定神经网络的网络结构和权阈值,然后再通过BP算法进行训练。主要表现在通过二进制粒子群算法确定各个隐含层的神经元数和十进制粒子群优化算法确定网络的权阈值。(3)通过函数拟合数值实验、Iris花分类、Wine数据集分类、LED分类和广义异或问题,来验证粒子群神经网络模型的性能,结果表明粒子群神经网络模型可以取得较好的效果。(4)将粒子群神经网络模型应用到船舶碰撞危险度的确定上。分别通过具有影响碰撞危险度的两个因素和六个因素的样本数据进行碰撞危险度的确定,取得了较好的效果。