考虑变频调速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,以排量、压力等限制为约束条件,在考虑离心泵变频调速的基础上,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,根据泵排量和水量平衡要求改进交叉和变异操作,实施最优保留策略,并结合模拟退火算法,形成了混合遗传算法,该算法能够有效地减少不可行解的产生,提高收敛速度,避免早熟收敛。实例计算说明,该优化方法有效、实用,优化后系统运行状况明显改善。     

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。     

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.     

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。     

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。     

基于差分进化算法的叠前AVO反演

针对传统的线性化迭代反演算法对初始模型依赖程度较高、反演过程容易陷入局部最优的问题,本文研究了一种基于差分进化算法的叠前反演方法。该方法利用差分的简单变异操作和一对一的竞争生存策略,对初始模型的依赖程度较低,全局收敛能力较强,且具有操作简单、运算速度快的特点,是解决复杂优化问题的一种有效方法。针对叠前地震反演问题,本文以贝叶斯理论为基础,结合似然函数与先验约束信息,建立反演目标函数,然后利用差分进化算法对初始模型进行优化,直至目标函数取得全局最优值。模型试算验证了该方法是可行的,且对初始模型的依赖程度较弱,具有较好的全局收敛能力;将该方法应用于实际叠前道集数据,得到了分辨率较高的反演结果。     

自适应混沌粒子群算法在油水两相流动分析中的应用

针对垂直井中油水两相流动的最优化测井解释,提出了一种新的自适应混沌粒子群优化算法(ACPSO).该算法具有较强的全局搜索能力,能以较大的概率收敛到全局最优解.然后,针对用仪器测井值和理论响应值建立的误差函数(非相关函数),用ACPSO算法进行优化处理,对实际井的处理结果表明,该算法是可行的.     

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%.     

基于粒子群优化算法波阻抗反演的研究与应用

 在地震勘探中占有重要地位的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内的连续变量，传统的优化手段存在对有些函数难以优化、容易陷入局部解及收敛速度缓慢等问题。粒子群算法只是考虑目标函数，对初始模型的依赖程度不高，并且可以随机地在全局域内进行搜索。本文基于粒子群算法的原理，提出了地震道反演中粒子群算法的实现方法，并详细地分析粒子群算法的抗噪能力；利用模型对该方法进行检测，得知在无噪时反演结果与模型一致；在依次加入3%、10%和25%的噪声后，反演前后的相关系数分别达到98.31%、93. 27%和82.09%；文中还用实际资料证明了该方法的有效性。     

改进的催化裂化集总动力学参数估计方法

针对催化裂化复杂反应体系 ,提出了一种在NLJ算法基础上改进的随机搜索优化算法NLJ ,该方法引入了优化的中间结果和目标函数的变化来修正搜索范围 ,从而减少了搜索的随机性。该方法应用于催化裂化十集总动力学模型轻循环油反应网络动力学参数估计 ,降低了搜索算法对初值和实验误差的要求 ,保证了收敛稳定性。