约束模拟退火反演

模拟退火算法的最大优点是可以突破寻优过程中局部最优的限制，所以该方法适用于解决地震反演中普遍存在的非册凸性目标函数的最优化问题。本文讨论了用模拟退火（ＳＡ）法进行地震资料的参数反演以及约束条件对反演过程的控制作用。约束条件包括模型参数取值范围和选择初始模型，加入约束条件提高了模拟退火反演的收敛速度，使反演解更为合理。通过理论模型试算和实际资料试处理，证明该方法精度高，实用性强。     

地震资料分步最优化反演方法

利用地震资料分步最优化演可以构成一种新的无井ＬＯＧ处理方法。该法不采用井中信息和不用人工干预，用分步最优化的方法求取正确的导速度信息，其步骤是：（１）采用奥登伯格的算法，在反演前对地震记录进行预处理；（２）用模拟退火法计算层速度，获取较好的低频分量；（３）用低频分量作为反演解的初始猜测值，再用共轭梯度法进行迭代计算，获得更精确的层速度信息。经理论模型和实际资料处理结晶验证，该法的精度高，稳定性好，     

地球物理反演的混合最优化方法

地球物理资料反演中通常采用局部和全局最优化算法。每一种算法都有其固有的优点和缺点。本文提出把两种算法组合起来的几种混合方法，以便克服它们的缺点，并且利用两种算法的突出特点。实际上，我们是把局部共轭梯度（ＣＧ）算法与全局快速模拟退火（ＶＦＳＡ）方法结合起来，解决地球物理重大问题的。我们开展了系统性研究以寻找组合ＣＧ和ＶＦＳＡ算法的最有效策略。并且为进一步研究推荐两种方法。首先在一组野外一维Ｓｃｈｌｕ     

�Ľ�ģ���˻��㷨��ˮ����������ƽ������е�Ӧ��

Kirkpatrick于1982年认识到固体粒子退火过程和组合优化问题有相似性，从而提出了模拟退火算法，并从数学上已证明了模拟退火算法可以取得全局最优解。相比之下，传统的最优化法只能求局部最优值。在计算物质平衡方程时，存在很多不确定的参数，给精确计算带来了一定困难。因此，本文引入模拟退火算法求解物质平衡方程。     

基于模拟退火的AVO反演方法

模拟退火算法是近年发展起来的全局最优化算法,是通过把最优化问题与统计力学热平衡问题进行类比得来的。其主要优点是:不用求目标函数的偏导数及解大型矩阵方程组,即能找到一个全局最优解,而且易于加入约束条件,编写程序简单。这种方法避免了线性化反演方法结果强烈依赖于初始模型的选取而导致解落入局部极值的情况。利用模拟退火算法进行AVO反演,充分发挥二者的优点,在计算的过程发现并解决问题,为岩性预测以及储层预测找到既快速又能达到一定精度的方法。本文采用改进的快速模拟退火算法进行AVO反演,对理论模型和实际资料进行了试算,取得了较好的效果。     

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     

基于改进模拟退火算法的横波速度求取

模拟退火算法能够较好地实现全局最优化求解。基于非均匀变异思想,文中给出了一个新的模拟退火算法扰动模型,该模型具有一定的灵活性,通过选取合适的扰动模型参数,可以达到减少迭代次数、提高收敛速度的目的。在模拟退火算法退温前,增加最优解附近小范围内寻优,以减少对扰动模型的依赖,通过改进,模拟退火算法得到了优化。数值实例分析表明,改进后的模拟退火算法比常规模拟退火算法在迭代次数和扰动次数上有一定的优势。采用该算法,利用DEM模型进行横波速度求取后,与测井横波比较,误差较小,从而验证了新模拟退火算法的实用性和有效性。     

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。     

用最优化算法选择开发模型

根据最优化理论,提出了开发模式特征曲线计算机自动拟合的方法。详细介绍了开发模式特征曲线计算机自动拟合分析的原理。引入改进模拟退火算法进行全局最优化求解方程,并给出程序编制流程图。给出的计算方法,解决了计算机自动分析开发模式特征曲线的问题,可用于符合单调递减类型和峰型递减类型油气藏的计算。     

地球物理反演的混合最优化方法

地球物理资料反演中通常采用局部和全局最优化算法。每一种算法都有其固有的优点和缺点。本文提出把两种算法组合起来的几种混合方法,以便克服它们的缺点,并且利用两种算法的突出特点。实际上,我们是把局部共轭梯度(CG)算法与全局快速模拟退火(VFSA)方法结合起来,解决地球物理重大问题的。我们开展了系统性研究以寻找组合CG和VFSA算法的最有效策略。并且为进一步研究推荐两种方法。 首先在一组野外一维Schlumberger电阻率测深资料上进行七种不同混合算法的试验,试验的结果与单独基因算法(GA)、模拟退火法和局部搜索算法的结果进行了比较。可以发现几乎所有已提出的混合算法在计算上都比传统全局最优化方法更有效。在找到最有效的混合算法后,我们把它们应用于偏移距——时间域地震记录的速度分析中。最后,我们把混合算法应用到亚利桑那州Safford的浸染硫化带上采集到的二维野外电阻率剖面上,并将混合反演结果与已发表的结果进行了比较。     

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。     

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。     

凸函数的异步并行的Broyden方法

提出了一种求解无约束优化问题的异步并行的Ｂｒｏｙｄｅｎ方法（不包括ＤＦＰ方法），在假设目标函数是凸的情况下，讨论了所设计算法的全局收敛性。     

基于MPI并行实数编码混合遗传算法的波阻抗反演

地球物理反演的局部线性方法易使解陷入局部极值,并严重依赖初始模型,而传统的遗传算法在优化应用中存在局部搜索能力弱、早熟收敛等问题,为此,提出了一种解决地球物理反演问题的并行实数编码混合遗传算法（MRCGA）。该方法采用拟网格法初始种群、综合交叉策略和线性算子,实现了并行实码混合遗传算法。理论模型试算证明了该算法反演地震波阻抗的有效性。     

改进遗传算法在超深水钻井船试采模块布局中的应用

结合超深水钻井船试采模块的布局特点,以安全性、经济性、方便性作为试采处理装置的布局目标,确定目标函数和约束条件,建立试采模块布局数学模型。采用一种基于模拟退火算法思想的改进遗传算法,使用适应度尺度变换处理方法,最终获得试采模块的布局方案。仿真结果表明,改进后的遗传算法和布局方案能够有效求解试采处理模块的布局问题。     

模拟退火独立分量分析方法及其应用

独立分量分析通过追求多源混合信号中各个独立源的非高斯性，使各个分量获得统计学上的独立，但现有的诸多独立分量分析方法普遍追求的是运算速度，忽略了对算法本身精确性的要求。为提高分离信号的质量，在原有独立分量分析算法的基础上，结合非线性优化算法——模拟退火算法，提出了一种新的独立分量分析算法——模拟退火独立分量分析算法。给出了独立分量分析方法的基本原理和目标函数；讨论了模拟退火独立分量分析算法的实现过程。数值模拟和实际资料处理表明，该方法在叠前地震记录中能很好地将有效信号和干扰信号分离出来，从本质上起到了压制噪声、突出有效信号的叠前去噪处理作用，改善了叠加剖面的品质。信噪比分析表明，经模拟退火独立分量分析方法去噪处理后，叠加剖面的信噪比由1．3936提高到2．1056。     

应用改进的神经网络学习方法预测储层参数

人工神经网络理论在石油科学的研究中具有重要的理论和现实意义。文章在分析了模拟退火算法和变尺度法各自的优势和原理基础上，针对前向网络反向传播算法（BP）收敛速度缓慢和易陷入局部极值点的缺点，将有全局寻优特性的模拟退火算法（SA）和快速收敛的局部寻优变尺度算法（BFGS）有效地结合，提出了一种快速、高效的前向网络混合学习策略，即SA-BFGS混合算法来训练网络。用它代替传统BP网络中的梯度下降法，通过训练网络权值，使网络具有较快的收敛速度和较高的逼近精度。在测井资料计算储层参数的实际应用中，该法能极大地改进前向网络的收敛速度与收敛性能，处理速度快、稳定性好、可信度高，具有较好的应用前景。     

带模拟退火的拟ＢＰ神经网络在伊朗某地区重力资料反演中的应用

选用目前非线性方法中的２个研究热点，即ＢＰ神经网络和模拟退火算法，用优化后的ＢＰ神经网络为主框架，结合位场反演的特点，在反演过程中引入模拟退火算法，这样既利用了ＢＰ神经网络指导学习的功能，提高了局部搜索性能，又利用了模拟退火算法的概率突跳性，实现了最终的全局收敛性，从而在减少多解性和提高反演的速度和精度等方面有了新的进展。通过模型试验，验证了该方法的有效性。本方法应用于伊朗某地区的重力资料反演，较好地反映了剖面的地质情况。     

自适应优化参数模拟退火的叠前地震联合反演方法

叠前地震反演是一种地震数据定量处理与解释的重要技术，全局优化算法是叠前地震反演中一种有效的弹性参数估算方法。作为一种主要的全局优化算法，模拟退火算法广泛用于地震数据反演，但该算法涉及的多种优化参数(如初始温度、扰动范围等)对反演结果具有重要影响。模拟退火参数优化主要是通过模型试算进行设置，但此类经验性方法易引入误差，不具备推广性。为此，提出了一种基于自适应优化参数模拟退火的叠前地震联合反演方法。首先，联合贝叶斯线性反演与模拟退火非线性反演方法，通过线性反演结果驱动后续优化参数的估算及先验模型的构建；其次，针对不同地震道的数据差异，逐道计算适用的初始温度及扰动范围，有效提升了算法的适用性及稳定性。合成数据测试及实测资料应用表明，相比常规模拟退火反演方法，该方法的弹性参数反演结果与测井数据的相关系数更高。     

基于SAPSO-FNN的电动式加载系统控制研究

针对电动式加载系统中减速器带来的非线性等问题,提出了一种基于模拟退火的粒子群算法来优化模糊神经网络PID控制器初始参数的设计方法。该方法采用基于Mamdani模型的模糊神经网络,通过在线BP学习算法对PID控制器参数进行自整定,并结合基于模拟退火的粒子群算法离线调整模糊神经网络初始值。通过仿真与实验,将所设计算法与增量式PID控制器、粒子群-模糊神经网络PID控制器进行对比,证明了所设计的控制器具有良好的稳定性、有效性和快速性。