海洋石油平台自动化管路布局优化算法设计

目前管路布局多依靠人工设计完成,工作量大、设计周期长。为提高设计效率,设计了一套自动化管路布局遗传模拟退火算法。其针对遗传算法易早熟、收敛速度慢等问题,引入模拟退火思想,对遗传算子进行Metropolis规则改进,提高初期进化时种群多样性,增强算法全局搜索能力;设置等温和退温内、外2层循环,提高算法收敛速度和性能。利用遗传算法和遗传模拟退火算法进行管路布局仿真试验计算并进行对比,对比结果表明,在相同初始条件和计算精度下,后者全局搜索能力强,不易陷入局部最优解,且收敛迅速、稳定,运算结果优于前者。     

遗传模拟退火算法在储层属性建模中的应用

介绍了遗传和模拟退火算法,比较了两种算法的特性,引入具有自适应能力的遗传模拟退火,并用于储层属性的随机模拟。结果表明,新算法能提高收敛速度,提供全局最优搜索保障,改善算法的实用性。     

混合优化算法剩余静校正

本文通过充分消化和吸收国内外关于非线性最优化方法的研究成果 ,在对模拟退火和遗传算法剩余静校正进行大量模型试验分析、研究的基础上 ,提出了一种遗传退火混合的新算法 ,实现了模拟退火和遗传算法的绝大部分控制参数自动调整的思想 ,极大地提高了模拟退火和遗传算法的收敛能力和计算效率 ,能很好地解决低信噪比和大剩余静校正量问题     

基于SAAGA的剩余静校正方法研究及应用

复杂地表地区地震勘探的剩余静校正问题是一个非线性的、多参数、多极值的全局优化难题。当剩余静校正量大于分析时窗内子波周期的一半时,用传统的线性剩余静校正方法容易陷入局部极值而出现“周波跳跃“现象。为此,首先设计了剩余静校正的目标函数(对于炮记录模型,选用超长道集的互相关作为目标函数),借鉴模拟退火算法的思想,对遗传算法的目标函数进行尺度变换,详细分析了退火遗传算法的实现及参数选择方案,并用理论模型及实际地震资料对退火遗传剩余静校正算法进行了检验。模型和实际资料的处理结果表明,该算法提高了模拟退火和遗传算法的收敛能力和计算效率,能很好地解决低信噪比、大剩余静校正量的校正问题。     

基于改进的遗传算法的天然气管网系统运行优化

在天然气管网系统安全稳定运行的基础上,为了实现节能减排,充分合理地利用管道的输配能力,将目标函数定义为天然气的最大流量,同时考虑管道内天然气稳定流动、各节点流量平衡、节点及管段压力等约束条件,建立了天然气管网系统优化数学模型。采用整数编码来进行管径编码,用模拟退火罚函数转化约束条件,并合理地将遗传算法的全局寻优能力和模拟退火的局部搜索能力互补融合起来,实现算法的改进和优化。将改进的遗传算法应用到某大型天然气管网优化设计的实例中,计算结果表明,改进的遗传算法在解的质量上和收敛的速度上都优于基本遗传算法,验证了所建立的优化模型是高效可行的。     

一种改进的遗传算法及其在剩余静校正中的应用

本文综合利用模拟退火和遗传算法的特点，给出一种改进的遗传算法，即根据模拟退火的概率分布函数提供群体的初值，然后使用遗传算法的选择算子和杂交算子进行搜索，在此基础上，再降低温度提供新的初值，进行反复迭代，从而搜索到全局最优解，通过估计剩余静校正的模拟试验表明，该方法只需要较小的群体规律，与常规的遗传算法相比，没有其它更多的控制参数，且全局收敛的效率有了很大的提高。     

混合优化自动剩余静校正方法研究

剩余静校正量计算本质上是一个非线性优化问题。针对单独运用遗传算法或模拟退火算法求解剩余静校正计算效率低、精度不高等缺点，本文提出了混合全局优化的自动剩余静校正方法，即利用两者的优点（遗传算法具有较强的把握搜索过程总体的能力，模拟退火法具有较强的局部搜索能力）开发的一种优化算法。文中对混合全局优化自动剩余静校正的处理流程和实现技术作了深入研究。从模型数据试算和我国西部某地区实际资料的处理结果可以看到，混合优化技术无论在运算速度还是在求解精度上都优于其他方法。     

混合优化波阻抗反演方法研究

地震反演常用的线性算法具有较快的收敛速度，但是易陷入局部最优解。因此需要引进一些非线性优化算法求解全局最优解。近年来相继出现了模拟退火、遗传算法、禁忌搜索算法和混沌搜索算法等，虽然这些算法具有较强的全局优化性能，但是其计算速度慢，远远不能满足实际生产的要求。如何将上述两类算法结合起来实现优势互补成为了反演中的一个重要课题之一。文章提出的混合优化波阻抗反演方法综合了共轭梯度算法和模拟退火算法的优点，在模拟退火反演框架内加入共轭梯度迭代算法，即在模拟退火反演过程中，当目标函数值满足给定的条件时，进行一定次数的共轭梯度迭代反演，最终以模拟退火反演结果来判断其收敛性。实际计算表明，该方法不仅收敛速度快，而且抗干扰能力强，计算得到的波阻抗剖面能较好的反映地层地质特征。     

遗传和模拟退火混合寻优一步法三维CRS叠加

共反射面元（Common Reflection Surface,CRS）叠加充分利用了菲涅耳带半径内的地震信息,在不降低分辨率的前提下最大程度地提高了信噪比,是低信噪比地震资料成像的有力手段。同时,CRS叠加考虑了地下反射层的倾角和局部曲率,具有更高的成像精度。常规的三维CRS叠加,多步依次求取的八参数精度较低,影响了最终叠加效果。为此,提出了一步法三维CRS叠加的实现策略。结合遗传算法快速搜索的优势和模拟退火算法的全局收敛特性,采用两种算法混合的多种群分层式并行寻优算法,即顶层采用遗传算法中的热槽法产生初始种群,中层执行并行的遗传迭代算法实现种群进化,底层采用模拟退火算法实现全局寻优。该CRS叠加方法及混合算法的设计方案明显降低了参数的优化成本并提高了精度。实际资料的测试验证了混合寻优一步法三维CRS叠加的实用性。     

基于改进SADE算法的神经网络预测储层物性

为准确计算孔隙度、渗透率等储层物性参数,结合模拟退火和差分进化算法的主要优点,提出一种改进的模拟退火差分进化(SADE)算法,将复杂储层物性预测过程中神经网络权值的训练转化为无约束优化问题,并建立新目标函数,进而利用改进的SADE算法进行求解,并与传统方法计算结果进行比较.新目标函数使得神经网络权值的调整不受样本期望输出大小的影响,更适用于变化范围较大的样本数据训练;改进的SADE算法利用退火温度控制差分进化的选择过程和差分策略的选用,前期具有很好的多样性,后期有较好的收敛能力,克服了经典算法早熟的缺点,提高了全局搜索能力和鲁棒性.利用该算法对现场实际资料进行计算,取得了很好的效果.