随着计算机和数据处理等技术的发展,许多学者开展了基于代理模型的船舶水动力性能预报及优化工作。然而,目前的大部分研究是采用船型性能数据集以及抽取设计空间内的大量船型样本点对单一形式的代理模型进行构建,关于模型形式选择和样本点数量对预报效果的影响研究相对匮乏。因此,本文围绕船舶阻力性能,分别以公开的船模试验数据集和通用船型为研究对象,采用代理模型开展船舶阻力性能预报及优化工作。首先,采用系列60船模试验数据样本,对多种常用单一代理模型的预报效果进行分析比较。针对单一模型进行性能预报所存在的问题,提出了一种基于遗传优化算法的组合代理模型构建方式。通过对组合代理模型进行测试,表明了该方法可在保证构建效率和稳定性的前提下提升预报精度。为进一步考察该方法的适用性,以相同测试过程对泰洛系列数据集进行模拟,同样取得了较好的预报效果。其次,以Wigley船型为研究对象,应用自由变形法在参数变化范围内对船体线型进行变化,分别采用常用的Sobol、正交试验和拉丁超立方抽样方式在设计空间中选取不同数量的船型样本,通过SHIPFLOW软件对这些样本进行设计航速下的兴波阻力计算,生成船型性能数据集。通过比较三种抽样结果的疏密度和所建模型的预报精度,提出一种基于敏感度分析的拉丁超立方船型小样本选取方式,该方法不仅稳定性得到改善,且可在选取少量船型样本点的条件下构建出满足精度要求的代理模型。最后,采用本文所提出的船型样本点选取方式和组合代理模型构建方法,结合CFD和遗传算法在约束条件下对KCS球艏部分进行设计航速下的总阻力优化,所得优化方案经CFD验算,总阻力系数降低了1.4%。相比单纯采用CFD进行阻力优化,该优化方法可大幅提升优化效率。以上结果表明,本文建立的样本点选取方式和组合代理模型构建方法可实现船舶的阻力性能快速预报与优化,为代理模型应用于船型优化提供了可行方案。