| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 论文的研究背景 | 第10-12页 |
| 1.2 国内外研究现状与趋势 | 第12-19页 |
| 1.3 研究内容和论文结构及贡献 | 第19-22页 |
| 2 五种智能优化算法运行过程和计算性能对比研究 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 智能优化算法 | 第22-30页 |
| 2.3 TSP问题 | 第30-34页 |
| 2.4 智能优化算法计算性能对比分析 | 第34-36页 |
| 2.5 总结 | 第36-38页 |
| 3 遗传算法在船舶概念设计阶段多学科设计优化中的应用 | 第38-82页 |
| 3.1 引言 | 第38-39页 |
| 3.2 水面船舶多学科优化数学模型 | 第39-51页 |
| 3.3 船舶操纵运动模型 | 第51-71页 |
| 3.4 数值算例 | 第71-81页 |
| 3.5 本章小结 | 第81-82页 |
| 4 人工神经网络在确定增韧高强钢的断裂能和聚合强度中的应用 | 第82-101页 |
| 4.1 引言 | 第82-84页 |
| 4.2 离散内聚力模型 | 第84-87页 |
| 4.3 断裂能和聚合强度的数值拟合方法 | 第87-100页 |
| 4.4 本章小结 | 第100-101页 |
| 5 遗传算法在船舶航向自抗扰控制技术中的应用 | 第101-135页 |
| 5.1 概述 | 第101-102页 |
| 5.2 船舶航行运动数学模型 | 第102-107页 |
| 5.3 航向自抗扰控制器 | 第107-120页 |
| 5.4 基于分离原则的遗传算法ADRC参数优化 | 第120-123页 |
| 5.5 仿真与分析 | 第123-134页 |
| 5.6 本章小结 | 第134-135页 |
| 6 全文总结与展望 | 第135-138页 |
| 6.1 全文总结 | 第135页 |
| 6.2 研究展望 | 第135-138页 |
| 致谢 | 第138-140页 |
| 附录1 | 第140-146页 |
| 附录2 | 第146-149页 |
| 参考文献 | 第149-161页 |