船舶设计涉及到总体性能、结构强度、阻力与推进、操纵与控制等诸多方面,是一个典型的多学科多目标优化和决策过程。常规的设计方法通过定量分析比较和人工不断试凑的方式来寻找合理的设计方案,难以得到最优结果。智能优化算法则通过模拟自然现象的方式进行寻优计算,具有通用性好、搜索能力强和良好的鲁棒性,可解决搜索空间高度复杂、存在多个冲突目标的优化问题。因此,智能优化算法受到船舶与海洋工程领域的广泛关注,目前主要应用于船舶设计与性能预报中。本文针对智能优化算法的适用性开展研究。在系统分析主要智能优化算法特点的基础上,分别从总体概念设计、结构材料、操纵控制等三方面的典型问题入手,有针对性地应用智能优化算法解决相关问题,力图拓展其在船舶工程中的应用范围。主要工作如下：首先,分析了主要的智能优化算法(遗传算法、粒子群算法、蚁群算法、模拟退火算法和神经网络等),并以典型的旅行商问题为算例,对各类智能优化算法进行了比对研究,进而系统总结了它们的各自特点(如：时间复杂度、空间复杂度和收敛性等),为拓展智能优化算法在船舶工程中的应用奠定基础。其次,以35000吨载重量的油船为例,以遗传算法为核心基础进行船舶概念设计阶段的多学科多目标优化。本文提出将概念设计的内容分解为系统控制层和浮态／稳态子系统、阻力子系统、推力子系统、操纵性／适航性子系统和直接成本子系统等五个子系统,获得了综合性能优良的船型及其主尺度参数的全局最优解。在此基础上,对得到的船型进行了旋回操纵运动及Zigzag形机动时的船舶操纵预报,并考察了风、浪干扰作用下船舶旋回运动的安全操纵性,从而从仿真角度证实了优化船型的可行性。再次,以增韧高强钢为例,以神经网络为核心基础确定其断裂能和聚合强度。增韧高强钢具有强非线性,表现为断面不规则,需要采用内聚力模型进行断裂评定,而测定断裂能和聚合强度一直是令人困扰的难题。本文提出了以神经网络为基础构造响应面的方法来确定内聚力法则中的断裂能和聚合强度,和其他两种方法(直接测定法,曲线拟合法)得到的结果非常吻合。同时,利用所得参数模拟的载荷/位移曲线和试验曲线也非常吻合。验证了方法的准确性与可行性。最后,以150000吨载重量油船为例,以遗传算法为核心基础进行了航向二阶自抗扰器参数整定。根据自抗扰控制器设计的“分离性原理”,本文提出了一种基于多目标遗传算法的分步优化方法,克服了自抗扰控制器参数整定中通常采用的“试凑法”,具有整定过程简洁、物理意义清晰等特点。对带舵机约束的船舶航向自抗扰控制器进行了整定,控制效果与常用的PID控制器相比,具有能耗小、超调量小、鲁棒性强等优点,证实了所提方法的可行性。综上所述,本文对五种主要智能优化算法进行了系统研究,总结了各自特点,并应用于船舶工程中的三类不同问题,为拓展智能优化算法在船舶工程中的应用范围进行了有益探索。