| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-22页 |
| ·课题背景及意义 | 第11-12页 |
| ·舰船运动极短期预报研究及发展概况 | 第12-21页 |
| ·本文的主要工作 | 第21-22页 |
| 第2章 灰色系统理论概述 | 第22-39页 |
| ·灰色系统理论概述 | 第22-24页 |
| ·什么是灰色系统 | 第22-23页 |
| ·灰色系统理论的产生与发展 | 第23-24页 |
| ·灰色系统基本原则、主要内容与方法 | 第24-27页 |
| ·灰色系统理论的基本原则 | 第24页 |
| ·灰色系统理论的主要内容 | 第24-25页 |
| ·灰色系统基本原理及基本方法 | 第25-26页 |
| ·灰色系统建模机理 | 第26-27页 |
| ·灰色系统五步建模思想 | 第27-28页 |
| ·灰色系统理论预测方法的特点 | 第28-29页 |
| ·生成数 | 第29-30页 |
| ·累加生成 | 第29-30页 |
| ·累减生成 | 第30页 |
| ·灰色 GM(1，1)预测模型 | 第30-32页 |
| ·模型的精度检验 | 第32-37页 |
| ·残差检验 | 第32-33页 |
| ·后验差检验 | 第33-34页 |
| ·GM(1，1)模型优化 | 第34-37页 |
| ·新陈代谢模型 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第3章 蚁群算法原理概述 | 第39-52页 |
| ·基本蚁群算法的起源 | 第39页 |
| ·离散空间基本蚁群算法 | 第39-42页 |
| ·原理 | 第39-41页 |
| ·算法模型及实现 | 第41页 |
| ·基本蚁群算法的优缺点 | 第41-42页 |
| ·改进的蚁群算法 | 第42-47页 |
| ·带精英策略的蚂蚁系统 | 第42-43页 |
| ·基于优化排序的蚂蚁系统 | 第43-44页 |
| ·蚁群系统 | 第44-45页 |
| ·最大-最小蚂蚁系统 | 第45-47页 |
| ·连续空间蚁群算法 | 第47-50页 |
| ·蚁群初始位置的确定及信息素的初始化 | 第48-49页 |
| ·蚂蚁移动规则 | 第49-50页 |
| ·蚁群算法的应用及意义 | 第50-51页 |
| ·蚁群算法的应用 | 第50-51页 |
| ·蚁群优化算法的意义 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于蚁群算法的灰色预测模型 | 第52-61页 |
| ·模型参数优化 | 第52-53页 |
| ·基于蚁群算法的灰色 GM(1，1)模型 | 第53-54页 |
| ·基于蚁群算法的舰船运动预报模型的建立 | 第54-60页 |
| ·建立函数变换型 GM(1，1)预报模型 | 第55-59页 |
| ·建立基于蚁群算法的 GM(ACGM)模型 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于ACGM的舰船运动预报的仿真实例 | 第61-70页 |
| ·纵摇运动的数据处理 | 第61-64页 |
| ·初始化平移和压缩 | 第62-63页 |
| ·函数变换 | 第63-64页 |
| ·数据的累加生成 | 第64页 |
| ·建立 ACGM(1，1)预报模型 | 第64-68页 |
| ·仿真1 | 第64-65页 |
| ·仿真2 | 第65-66页 |
| ·仿真3 | 第66-67页 |
| ·仿真4 | 第67-68页 |
| ·函数变换 GM(1，1)，原始 GM(1，1)，ACGM(1，1)模型预测效果的比较 | 第68页 |
| ·仿真结果分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 数值仿真实验及分析 | 第70-77页 |
| ·预测从t=306到t=325的纵摇角度数据 | 第70-71页 |
| ·预测从t=414到t=433的纵摇角度数据 | 第71-73页 |
| ·预测从t=506到t=525的纵摇角度数据 | 第73-74页 |
| ·预测从t=1352到t=1372的纵摇角度数据 | 第74-75页 |
| ·本章小结 | 第75-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85页 |