随着船舶水动力学与人工智能技术的不断提高，无人艇（USV）的应用得到了广泛重视。其出色的军事价值使得各先进国家海军争相对其进行深入研究，并且生产出了许多实艇用于军民用途，如水底扫雷、水面侦查、海底探测、卫星回收、海面标靶等等。通观各国无人艇，可以发现，大多采取滑行艇形式。由于无人艇执行任务的特殊性，快速性和续航力为其生命力的重要指标。优化艇型以减小滑行艇航行时的阻力的工作意义重大。与常规排水型船不同，滑行艇作为一种动升型船舶，在航行时，其航态会随着航速不断变化，这种变化为滑行艇的的阻力预报工作带来了难度。本文分别运用了两种不同的方法来解决该问题，运用预报结果，就不同的船型参数分别给出了设计建议和最优解以减小其静水航行时受到的阻力。首先使用CFD软件Star-CCM+模拟了滑行艇在静水中的六自由度航行。当艇底舯部和尾部斜升角的平均值保持不变，探讨其沿船长方向均匀变化时，滑行艇所受阻力与其航态的变化情况。通过对计算结果进行分析，可以发现，平均斜升角保持不变时，艇底流动分离点的位置和压强会随着尾部斜升角变化而变化，该种变化会使船体航态和阻力发生变化。并且可以看出，舯部斜升角增大，尾部斜升角适当减小，有利于提高滑行艇的滑行效率。但在一定条件下，尾部斜升角过大，会造成滑行艇静浮状态下出现首倾，并且在航行时，其尾部受力会大大高于首部所受的力，这对于船体减阻和滑行艇航向稳定性是不利的。为了对滑行艇的艇型参数进行优化，本文提出了一种结合系列船模阻力试验结果、运用自适应的混合遗传算法优化后的BP神经网络对滑行艇阻力进行预报的方法。并且详细叙述了对于遗传算法中算子和参数的设定。通过系列试验结果验证，可以看出经过优化的BP神经网络阻力预报方法有较好的精度和效率。最后，再次运用遗传算法对于训练完成的BP神经网络对滑行艇的设计参数进行寻优，以得到不同航速下阻力最小时的最佳船型参数。