最優(yōu)化試井分析方法及應用

第一部分 緒論
第一章 引言
1.1 概述
1.2 主要研究內(nèi)容

第二章 非線性回歸最優(yōu)化試井分析的研究與進展
2.1 非線性回歸最優(yōu)化試井分析的發(fā)展概況
2.2 非線性回歸最優(yōu)化試井分析的特點

第三章 遺傳算法的研究歷史和現(xiàn)狀
3.1 遺傳算法的研究概況
3.2 遺傳算法的理論及方法和研究現(xiàn)狀
3.2.1 遺傳算法參數(shù)的選擇
3.2.2 編碼方法
3.2.3 基因操作
3.2.4 數(shù)學理論與性能分析問題
3.3 遺傳算法的特點

第二部分 最優(yōu)化方法和基本理論
第四章 一般的最優(yōu)化方法的基本理論
4.1 引言
4.2 最優(yōu)化問題的提法與分類
4.3 基本知識
4.3.1 正定矩陣
4.3.2 喬理斯基(Cholesky)分解
4.3.3 正定矩陣的判別
4.3.4 梯度與海色矩陣
4.3.5 凸集與凸函數(shù)
4.4 罰函數(shù)法
4.4.1 外罰函數(shù)法
4.4.2 內(nèi)罰函數(shù)法
4.4.3 外罰函數(shù)法和內(nèi)罰函數(shù)法的優(yōu)缺點
4.5 非線性規(guī)劃尋優(yōu)方法概述
4.6 非線性最小二乘問題
4.6.1 小余量算法
4.6.2 大余量算法

第五章 灰色系統(tǒng)關聯(lián)分析方法
5.1 引言
5.2 灰色系統(tǒng)關聯(lián)分析方法

第六章 遺傳算法的基本原理
6.1 引言
6.2 遺傳算法的基本術語
6.3 遺傳算法的基本步驟
6.4 遺傳算法的基本原理
6.4.1 基于二進制編碼的遺傳算法
6.4.2 基于浮點數(shù)編碼的遺傳算法
6.5 遺傳算法的數(shù)學分析
6.5.1 基本概念
6.5.2 模式定理分析
6.5.3 遺傳算法中的隱含并行性

第三部分 混合的最優(yōu)化試井分析方法(HAGAL)
第七章 早期試井資料的灰色系統(tǒng)關聯(lián)分析方法

第八章 非線性回歸自動擬合試井分析方法

第九章 遺傳算法的性能分析

第二章 基于自適應遺傳算法的混合試最優(yōu)化方法(HAGAL)

結論
附錄A 有約束最小二乘回歸方式
附錄B 改進的最小二乘法M-L回歸方法
附錄C 符號說明

參考文獻