基于广义回归神经网络与遗传算法的玻璃钢渔船船型要素优化
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| ·选题的背景与意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·论文研究内容 | 第11页 |
| ·论文结构 | 第11-12页 |
| 2 概念及技术 | 第12-27页 |
| ·引言 | 第12页 |
| ·神经网络 | 第12-19页 |
| ·神经网络的简述 | 第12-13页 |
| ·神经网络工具箱 | 第13-14页 |
| ·RBF神经网络 | 第14-16页 |
| ·GRNN广义回归神经网络 | 第16-19页 |
| ·遗传算法 | 第19-27页 |
| ·遗产算法简介 | 第19-20页 |
| ·遗传算法的基本实现技术 | 第20-24页 |
| ·遗传算法的参数选择 | 第24-25页 |
| ·遗传算法的改进 | 第25-27页 |
| 3 玻璃钢渔船信息数据库 | 第27-31页 |
| ·引言 | 第27页 |
| ·玻璃钢渔船信息数据库需求分析 | 第27-28页 |
| ·玻璃钢渔船信息数据库设计 | 第28-30页 |
| ·数据库的逻辑结构设计 | 第28-30页 |
| ·数据库的物理结构设计 | 第30页 |
| ·小结 | 第30-31页 |
| 4 建立数学模型 | 第31-52页 |
| ·引言 | 第31页 |
| ·主尺度的回归分析 | 第31-38页 |
| ·主尺度的回归公式 | 第31-38页 |
| ·回归公式的适用性及可靠性 | 第38页 |
| ·神经网络模型的物理意义 | 第38-41页 |
| ·阻力性能理论 | 第38-39页 |
| ·阻力的近似估算方法 | 第39-40页 |
| ·船体阻力表达法 | 第40-41页 |
| ·建立神经网络模型 | 第41-51页 |
| ·建立预测模型 | 第41-49页 |
| ·阻力性能研究 | 第49-51页 |
| ·小结 | 第51-52页 |
| 5 船型要素优化 | 第52-61页 |
| ·引言 | 第52页 |
| ·遗传算法模型 | 第52-56页 |
| ·目标函数 | 第52-53页 |
| ·约束条件 | 第53-56页 |
| ·优化计算 | 第56-58页 |
| ·适应值计算方法的确定 | 第56页 |
| ·算法流程 | 第56-58页 |
| ·计算结果 | 第58页 |
| ·数据分析 | 第58页 |
| ·实际应用 | 第58-59页 |
| ·小结 | 第59-61页 |
| 6 全文总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
