原文传递
神经网络和遗传算法在滑行艇设计中的应用研究
| 论文题名： | 神经网络和遗传算法在滑行艇设计中的应用研究 |
| 关键词： | 船舶阻力;船型参数;人工神经网络;遗传算法;滑行艇;数值图谱 |
| 摘要： | 该文开展"神经网络和遗传算法在滑行艇设计中的应用研究"的目的,在于建立滑行艇的阻力估算数值图谱和船型参数优化方法,使得设计出的滑行艇阻力最小.该文从BP神经网络误差函数的最小二乘表达式出发,提出的L-M算法和分层调整法相结合的BP神经网络改进算法,在多变量、大样本输入条件时,网络的收敛速度和逼近精度都有明显改善.采用的非均匀变异算子、自适应交叉概率和变异概率、小生境遗传技术、伪并行遗传算法等改进方法融合了遗传算法的众多有效改进措施,从提高遗传算子的性能和改善个体生存环境、提高群体整体质量两方面来克服基本遗传算法的早熟问题.改进的网络权值优化遗传算法,简单有效,具有一定的创新性.利用改进遗传算法的全局搜索能力和BP算法的局部逼近能力,将二者相结合的BP网络混合训练法,在多变量、大样本输入的条件下时,网络的收敛速度和逼近精度有了更进一步的改善.系统地研究了应用BP神经网络建立数值图谱的方法和过程,建立的DTMB系列62滑行艇和SV高速系列滑行艇阻力估算数值图谱,具有很好的工程精度和实用价值. |
| 作者： | 曹为午 |
| 专业： | 船舶与海洋结构物设计制造 |
| 导师： | 石仲堃 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2002 |
| 正文语种： | 中文 |
检索历史
应用推荐
