神經(jīng)網(wǎng)絡(luò)和遺傳算法在滑行艇設(shè)計中的應(yīng)用研究.pdf

1、該文開展"神經(jīng)網(wǎng)絡(luò)和遺傳算法在滑行艇設(shè)計中的應(yīng)用研究"的目的,在于建立滑行艇的阻力估算數(shù)值圖譜和船型參數(shù)優(yōu)化方法,使得設(shè)計出的滑行艇阻力最小.該文從BP神經(jīng)網(wǎng)絡(luò)誤差函數(shù)的最小二乘表達式出發(fā),提出的L-M算法和分層調(diào)整法相結(jié)合的BP神經(jīng)網(wǎng)絡(luò)改進算法,在多變量、大樣本輸入條件時,網(wǎng)絡(luò)的收斂速度和逼近精度都有明顯改善.采用的非均勻變異算子、自適應(yīng)交叉概率和變異概率、小生境遺傳技術(shù)、偽并行遺傳算法等改進方法融合了遺傳算法的眾多有效改進措施,從提

2、高遺傳算子的性能和改善個體生存環(huán)境、提高群體整體質(zhì)量兩方面來克服基本遺傳算法的早熟問題.改進的網(wǎng)絡(luò)權(quán)值優(yōu)化遺傳算法,簡單有效,具有一定的創(chuàng)新性.利用改進遺傳算法的全局搜索能力和BP算法的局部逼近能力,將二者相結(jié)合的BP網(wǎng)絡(luò)混合訓(xùn)練法,在多變量、大樣本輸入的條件下時,網(wǎng)絡(luò)的收斂速度和逼近精度有了更進一步的改善.系統(tǒng)地研究了應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建立數(shù)值圖譜的方法和過程,建立的DTMB系列62滑行艇和SV高速系列滑行艇阻力估算數(shù)值圖譜,具有很好的