随着经济全球化进程加快,原油需求量不断增加,作为原油运输主要载体的油船受到广泛关注。针对油船结构进行结构优化,减少船体钢材的使用,降低建造成本,提高油船产品的竞争力具有十分重要的工程意义。目前船舶结构优化领域,利用基于BP神经网络等快速运行模型,作为有限元模型的替代模型参与到结构优化过程中,在满足精度的前提下能够有效降低有限元分析次数。针对BP神经网络模型自身存在的一些缺陷,本文采用粒子群算法对BP神经网络模型进行优化改进,并将基于粒子群优化的BP神经网络模型用于船舶结构优化中,验证了模型的可行性。本文的主要研究内容如下：(1)介绍了船舶结构优化理论与方法,并对各种优化方法进行了比较与分析,总结出各种优化方法的特点与局限性；(2)根据规范建立了船舶结构有限元模型,利用灵敏度方法与正交试验获取了训练样本与检测样本;(3)对BP神经网络以及粒子群算法的基本原理进行研究,完成了粒子群算法对BP神经网络初始权值与阈值优化的编程工作。通过训练样本分别对BP神经网络和基于粒子群算法优化的神经网络进行训练,利用检测样本对两种模型的泛化能力进行检测。(4)利用PSO-BP神经网络模型对油船舱段进行了优化,并对优化后的结果进行了验证。通过对结果进行分析,PSO-BP神经网络是一种有效的船舶结构优化代理模型,能有效解决BP神经网络模型易陷入局部极值等问题。