| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 引言 | 第8-12页 |
| ·本文研究的目的和意义 | 第8-9页 |
| ·排水量与主尺度确定方法研究发展综述 | 第9-11页 |
| ·本文主要工作 | 第11-12页 |
| 2 潜艇排水量和主尺度计算模型 | 第12-21页 |
| ·引言 | 第12页 |
| ·潜艇排水量计算模型 | 第12-18页 |
| ·组合模块概念和潜艇空间信息模型 | 第12-14页 |
| ·排水量表达式及其计算 | 第14-16页 |
| ·排水量系数的确定 | 第16-18页 |
| ·求解排水量方法 | 第18页 |
| ·主尺度的确定 | 第18-20页 |
| ·应用举例 | 第20-21页 |
| 3 基于GA－RBF 神经网络算法的潜艇排水量与主尺度估算 | 第21-38页 |
| ·引言 | 第21-22页 |
| ·神经网络原理和RBF 神经网络 | 第22-32页 |
| ·BP 神经网络 | 第22-25页 |
| ·RBF 神经网络 | 第25-32页 |
| ·遗传算法 | 第32-38页 |
| ·遗传算法概述 | 第32-34页 |
| ·遗传算法的构成要素 | 第34-36页 |
| ·遗传算法的实现步骤 | 第36-38页 |
| 4 用GA 优化RBF 神经网络的实现方法及应用 | 第38-50页 |
| ·遗传算法与神经网络的结合 | 第38-40页 |
| ·遗传算法与神经网络结合介绍 | 第38-39页 |
| ·本文所选的优化方案 | 第39-40页 |
| ·遗传算法要素的选择 | 第40-44页 |
| ·遗传算法优化RBF 神经网络的实现 | 第44-46页 |
| ·优化后的RBF 神经网络的训练结果 | 第46-50页 |
| ·用优化后的神经网络来拟合曲线 | 第46-47页 |
| ·用优化后的神经网络来确定潜艇排水量和主尺度 | 第47-50页 |
| 5 全文总结 | 第50-52页 |
| ·本文所做的工作 | 第50页 |
| ·本文创新点 | 第50-51页 |
| ·今后工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-66页 |
| 附录1 | 第56-59页 |
| 附录2 本文程序 | 第59-66页 |
| 附录3 硕士期间发表过的论文 | 第66页 |