在船舶设计中,船型要素的选择和确定是船舶总体设计的重要组成部分,是船舶型线设计、总布置设计和结构设计的前提条件,直接影响船舶整体的技术性能和经济效益。玻璃钢渔船由于其显著的性能优势,已成为世界渔船的发展趋势。建立玻璃钢渔船信息数据库,收集有关玻璃钢渔船的各种资料,为研究玻璃钢渔船的设计特点,了解船型要素与船体性能之间的复杂关系,完成船型要素的选择、优化提供了数据基础。本文首先对玻璃钢渔船信息数据库中的实船资料进行统计分析,建立回归方程,整理概括出一系列适用于玻璃钢渔船船型要素的统计公式,实现了在一定误差范围内的船型要素估算。然后运用MATLAB(?)申经网络工具箱中的RBF神经网络函数和GRNN神经网络函数建立玻璃钢渔船船型要素数学模型,通过误差分析确定建立基于GRNN神经网络的预测模型,通过神经网络模型的预测结果寻找优秀的船型要素组合。借鉴自适应遗传算法和小生境遗传算法的思想改进遗传算法,用改进的遗传算法对基于GRNN神经网路建立的数学模型进行优化,得到最优的几组船型要素系数,在数据库中寻找与这组船型要素系数相同的船型要素。从渔船自身特点出发,以方形系数Cb,长度排水量系数L/△1/3,型宽吃水比B/T,傅汝德速度系数(?)作为输入变量,以傅汝德阻力系数⑥作输出变量,建立以追求最佳阻力性能为目的的船型要素优化模型。既满足了渔船本身的技术性能要求,又考虑了经济性能,降低船舶的油耗,达到节能减排的效果。通过神经网络结合遗传算法求解的方法,利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找目标函数最优值,既有效地解决了船型要素与船体阻力之间复杂关系的确定问题,又能利用遗传算法的内在启发式随机搜索特性,实现离散变量的全局寻优。