船舶碰撞危险度和船舶避碰决策系统的研究一直是航海人员最关心的问题。船舶碰撞危险度对于船舶安全航行是一个非常重要的参数,用其描述船舶之间碰撞危险的大小具有实际意义,驾驶员可以据此决定采取避让的时机和让船的顺序。因而,根据本船与它船的相互态势与各种运动参数准确快速的计算判定船舶碰撞危险度在船舶避碰领域中变得尤为重要。船舶碰撞危险度的计算是一个复杂的过程,受很多因素影响,具有很强的非线性特征。而BP神经网络的神经元映射特征是非线性的,能完成复杂的非线性映射,具有很强的非线性处理能力。但BP神经网络的弱点是收敛速度较慢,网络极易陷入局部极值点。另外神经网络的初始权值,阈值以及网络结构的选择缺乏依据,具有很大的随机性,很难选取出具有全局性的初始点,因而求得全局最优的可能性较小,这些都影响了BP神经网络的泛化能力。鉴于BP神经网络的以上缺点,本文提出用遗传算法优化神经网络的GA-BP算法。由遗传算法优化确定BP神经网络的初始权阈值,确定一个较好的搜索空间,代替一般初始权阈值的随机选取,然后在这个解空间里对网络进行训练、学习至收敛,搜索出最优解或者近似最优解。将此算法用于确定船舶碰撞危险度,经过仿真计算,无论在计算精度上还是收敛速度上较原始的BP神经网络都有了较大的提高。本文还在matlab中实现了基于GA-BP算法计算船舶碰撞危险度的模拟显示程序。为船舶智能避碰专家系统中船舶碰撞危险度的动态准确计算显示提供了参考。