基于改进遗传算法的注水系统运行参数优化

以注水系统耗电量最小为目标函数、排量、压力等限制为约束条件，建立了注水系统参数优化数学模型，并用外部惩罚函数法将该问题转化为无约束问题。针对遗传算法的局限性，采用浮点数编码，调整了适应函数，改进了交叉和变异操作，实施了最优保留策略，并结合模拟退火算法，从而形成了改进遗传算法。该算法能够有效地提高收敛速度，避免早熟收敛。算例说明，该优化方法有效、实用。     

一种混合算法在试井参数优化中的应用

基于L-M和差分进化的混合算法是利用差分进化算法在一定进化代数后出现的种群聚类特性,将种群识别为不同的聚类区域,以每个聚类的中心为起始点,再利用基于梯度具有局部搜索能力强的L-M算法可以快速找到该聚类区域的最小极值.混合算法兼顾了差分进化全局搜索能力强和L-M局部搜索能力强收敛速度快的优点.将该混合算法应用于试井参数优化中,通过两种不同油藏模型的实例应用,结果表明,该混合算法比单一的算法优化速度更快,收敛精度更高.该混合算法实用性广,能有效的解决存在多局部极值的试井参数优化复杂问题.     

基于混合遗传算法的注水管径优化设计

以管网造价最小为目标函数,压力、流速等限制为约束条件,建立了注水管径优化数学模型,用外部惩罚函数法将该问题转化为无约束问题。针对遗传算法的局限性,采用整数编码,调整了适应函数,改进了交叉和变异操作,实施了最优保留策略,并结合模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛。算例说明,该优化方法有效、实用。     

一种混合优化算法在试井解释中的应用

为实现试井资料的自动拟合分析,保证解释结果的唯一性,提出一种改进的非线性回归计算方法,与二进制自适应遗传算法相结合组成新的混合优化算法。应用该混合算法分别对均质无限大和均质变井储模型进行试井分析,将计算结果与单纯遗传算法计算结果进行比较。结果表明,混合优化算法计算精度高、效率高,结果准确、稳定。     

基于混合遗传算法的树状注水管网拓扑优化

以投资最小为目标函数,以井间隶属关系的惟一性、连接注水井数量等限制为约束条件,建立了树状注水管网拓扑优化数学模型.根据模型特点,将优化问题分为分配层和几何层,分别采用遗传算法和非线性优化方法进行求解.并对遗传算法的操作过程进行了改进,调整了适应函数,采用随机多父辈适应函数值加权交叉和多种变异操作,结合了模拟退火算法,并给出了初温的确定方法,改进了选择复制操作,从而形成了混合遗传算法.该算法能够有效地提高收敛速度,避免早熟收敛.利用算例说明了该方法的有效性.     

利用遗传算法解释试井参数

将遗传算法用于试井解释，正问题采用数值的方法求出，并对整段压力曲线进行拟合。采用多次循环搜索的办法，有效避免了局部极小问题；采用隐性二进制编码法，有效提高了速度，减小了存储。该算法迭代次数较少，收敛较快，精度较高，解释结果可直接满足需要，也可作为线化反演的可靠初值，具有很强的实用性。     

基于双重编码遗传算法的注水系统运行优化

以耗电量最小为目标函数，建立注水系统优化数学模型。根据运行优化要解决最优开泵方案及排量2个问题，遗传算法采用了二进制编码和实数编码相结合的双重编码。针对遗传算法的局限性，对适应函数进行了调整，改进交叉和变异操作，结合模拟退火算法，该算法能够有效地提高收敛速度，避免早熟收敛。同时在遗传算法操作过程中，给出了泵排量的处理方法，使排量约束得到满足，系统水量保持平衡。算例说明了该方法的有效性。     

利用遗传-粒子群优化混合算法求取剩余静校正量

剩余静校正是一个具有多参数、多极值的全局优化问题,当大量未知参数存在时,常规的遗传算法（GA）几乎无法避免早熟现象,难以保证收敛于全局最优。结合粒子群优化算法（PSO）和遗传算法的优势,提出了一种新颖的粒子群优化-遗传混合算法。混合算法利用了粒子群优化算法的速度和位置的更新规则,并引入遗传算法里的交叉变异思想。用混合算法和遗传算法分别对两个理论模型进行试处理,处理结果表明,混合算法比遗传算法具有更好的性能,是一种求取复杂地形条件下剩余静校正量的实用方法。     

基于遗传算法的混合自动拟合方法

采用遗传算法与常规非线性优化方法相结合的途径，进行试并典型曲线的自动拟合研究。这种混合优化机制综合了遗传算法高效搜索特性、全局优化能力和常规优化算法的快速收敛性，并讨论了遗传算法实际应用相关的表示方案、适应值变换等问题。     

用改进遗传算法解压气站优化运行问题

在研究遗传算法的基础上，提出了一种改进遗传算法，并将其应用到输气管压气站优化运行研究中，同时用算例证明了文章所提出的改进遗传算法具有快速搜索、易收敛和鲁棒性强的特点。     

地震波阻抗反演的蚁群算法实现

波阻抗反演属于求解最优化问题,其优化目标函数可能包含多个在一定范围上的连续变量,传统的优化手段存在有些函数难以优化,容易陷入局部解,收敛速度较慢等问题.蚁群算法具有正反馈性、分布式计算和贪婪式启发搜索的特点,克服了传统优化算法的缺陷.通过分析蚁群算法的原理,提出了地震道非线性反演中蚁群算法的实现方法.利用模型对该方法进行了检验,在无噪情况下,反演结果与模型一致;在加入5%,10%和30%噪声的情况下,反演结果与模型的相似系数分别为98.76%,97.85%和86.42%.     

Power optimization of gas pipelines via an improved particle swarm optimization algorithm

In past decades dynamic programming, genetic algorithms, ant colony optimization algorithms and some gradient algorithms have been applied to power optimization of gas pipelines. In this paper a power optimization model for gas pipelines is developed and an improved particle swarm optimization algorithm is applied. Based on the testing of the parameters involved in the algorithm which need to be defined artifucially, the values of these parameters have been recommended which can make the algorithm reach efficiently the approximate optimum solution with required accuracy. Some examples have shown that the relative error of the particle swarm optimization over ant colony optimization and dynamic programming is less than 1% and the computation time is much less than that of ant colony optimization and dynamic programming.     

蚁群算法在 FMI 成像测井图像分割中的应用

简述了最大类间方差法的方法原理,并分别使用迭代阈值分割法、最大类间方差法及模糊 C 均值 聚类算法,对最接近 FMI 图像中溶孔的高斯峰图片进行了分割和分析;介绍了蚁群优化的最大类间方差 法的方法原理,并使用该方法对一段溶蚀孔洞型储层的 FMI 成像测井图像进行了分割。 实践证明,利用 蚁群优化的最大类间方差法能很好地分割出包含裂缝、孔洞的子图像,且分割效率有了一定的提高,为 后续的参数定量计算打下了基础。     

基于高阶累积量拟合及混合蚁群算法的地震子波估计

假设地层反射系数是平稳非高斯独立同分布的序列,利用地震道褶积模型的高阶累积量构造目标函数,通过优化算法来进行地震子波提取。针对该方法的非线性优化问题,利用遗传算法的快速性、随机性、全局收敛性,再结合蚁群算法的并行性、正反馈机制以及求解效率高等特性,来提高求解效率。通过对合成地震记录进行子波估计的理论模型试验,结果表明,该方法对高斯有色噪声有很好的压制效果,且能保留地震记录的相位信息,使子波提取具有较高的精度。将该方法运用于实际地震资料处理,利用估计出的较精确的地震子波来进行反褶积,能有效地拓宽地震剖面的频谱,使其信噪比和分辨率都有所提高。理论模型分析与实例计算验证了该方法的可行性。     

蚁群免疫算法在反应精馏优化中的应用

利用RBF人工神经网络模型模拟合成乙酸乙酯反应精馏过程。在建立RBF神经网络模型时,首先用Aspen Plus软件模拟计算出多组数据以弥补实验数据稀少的不足,并在此基础上用蚁群免疫算法进行操作条件的优化。结果表明,蚁群免疫算法结合RBF人工神经网络模型模拟对反应精馏进行优化是可行的,且能达到很高的精度。     

混合智能优化地震反演

传统非线性反演方法存在着收敛效率低,有时会陷入局部极值的问题。为此,研究开发了融合粒子群优化算法和郭涛算法的混合智能优化地震非线性反演技术。粒子群优化算法对解的更新更具有目的性,收敛速度快;郭涛算法构造了多父体交叉重组算子并采用群体爬山策略,求解精度高;混合智能优化算法以粒子群优化算法为主体框架,融入郭涛算法的寻优机制。函数优化测试、理论模型试算和实际资料反演处理结果表明,混合智能优化算法具有求解效率高、全局寻优能力强的优点,适合解决复杂的地震反演问题。     

瑞雷面波频散曲线的粒子群蚁群混合优化反演

应用瑞雷面波频散曲线反演地下介质的横波速度剖面是面波勘探的重要步骤之一。传统线性反演方法已不能满足物探工程的要求,非线性的反演方法成为研究热点。文中将基于粒子群优化算法和蚁群优化算法的非线性混合优化算法应用于瑞雷面波频散曲线反演,获得横波速度剖面。该算法利用信息素引导机制更新粒子的早期位置,充分结合了粒子群优化算法对全局最优解的引导策略和蚁群优化算法的局部搜索能力,克服了粒子群算法在群体处于平衡状态时粒子群更新停滞不前和蚁群算法对多极值函数求解时收敛早熟的缺点。通过对多种理论模型频散曲线的反演,检验了该算法的有效性和稳定性;与单独的蚁群算法、粒子群算法反演结果的对比验证了该算法的优越性;实测数据反演结果检验了算法的实用性。     

基于改进BP神经网络的油井流入动态研究

针对传统流入动态研究方法误差较大等问题,提出利用改进的BP神经网络进行油井流入动态研究。通过采用LM算法和贝叶斯正则化算法,改进了常规BP神经网络收敛速度慢、泛化能力差等缺点,并探讨了通过优化网络结构来提高网络泛化能力的方法。实例计算结果表明,采用LM算法和贝叶斯正则化算法的改进BP神经网络用于油井流入动态研究是可行的...     

���Ż��⾮���͵��Ŵ��㷨ʵ��

遗传算法是具有全局寻伏特点的一种新型最优化方法，它适合于求解非线性优化问题，近年来已经在复杂函数的优化求解、结构优化设计、自适应控制、系统控制、模式识别等领域取得成功应用。文章将遗传算法引入列井最优化解释中，实现了用遗传算法进行最优化测井解释，充分利用遗传算法的全局寻优特点，研究多参数、非线性最优化测井数据处理问题；同时在充分讨论常规遗传算法原理的基础上，针对常规时齐遗传算法的强不收敛性，引入了非时齐遗传算法，从结合整体模拟迟火算法、引入动态记忆宙解决成熟前收敛问题两方面对常规遗传算法作了改进，经正演模型模拟运算和实际测井资料的解释结果表明，经改进后的遗传算法更易于收敛，可以较好地研究多参数、非线性最优化测井资料解释。     

循环热流体开采稠油优化设计方法研究

为通过对热流体参数的优化设计，减少井筒热流体循环时的能量消耗，提高生产能力和经济效益，首先采用迭代法求解了井筒热流体循环时具有半隐式边界条件的井筒温度分布数学模型的数值解，在此基础上，以能耗最低为目标，以井筒温度不低于拐点温度为约束，建立了井筒循环热流体时的优化目标函数。由于用迭代法求解井筒温度分布时间长，导致进行热流体参数优化设计的时间更长，为此，采用带约束的遗传算法对循环热流体的参数进行优化设计。计算结果表明，循环热流体参数优化后，能耗降低明显，经济效益增加显著；并且由于遗传算法的引入，使得热流体参数优化设计的时间大大缩短。