第一部分 绪论 3
第一章 引言 3
1.1概述 3
1.2主要研究内容 6
第二章 非线性回归最优化试井分析的研究与进展 8
2.1非线性回归最优化试井分析的发展概况 8
2.2非线性回归最优化试井分析的特点 9
第三章 遗传算法的研究历史和现状 11
3.1遗传算法的研究概况 11
3.2遗传算法的理论及方法的研究现状 13
3.2.1遗传算法参数的选择 13
3.2.2编码方法 14
3.2.3基因操作 14
3.2.4数学理论与性能分析问题 15
3.3遗传算法的特点 15
第二部分 最优化方法的基本理论 19
第四章 一般的最优化方法的基本理论 19
4.1引言 19
4.2最优化问题的提法与分类 19
4.3基本知识 20
4.3.1正定矩阵 20
4.3.2乔理斯基（Cholesky）分解 20
4.3.3正定矩阵的判别 21
4.3.4梯度与海色矩阵 22
4.3.5凸集与凸函数 22
4.4罚函数法 23
4.4.1外罚函数法 23
4.4.2内罚函数法 24
4.4.3外罚函数法和内罚函数法的优缺点 26
4.5非线性规划寻优方法概述 26
4.6非线性最小二乘问题 27
4.6.1小余量算法 28
4.6.2大余量算法 30
第五章 灰色系统关联分析方法 32
5.1引言 32
5.2灰色系统关联分析方法 32
第六章 遗传算法的基本原理 34
6.1引言 34
6.2遗传算法的基本术语 34
6.3遗传算法的基本步骤 35
6.4遗传算法的基本原理 36
6.4.1基于二进制编码的遗传算法 36
6.4.2基于浮点数编码的遗传算法 39
6.5遗传算法的数学分析 40
6.5.1基本概念 40
6.5.2模式定理分析 42
6.5.3遗传算法中的隐含并行性 45
第三部分 混合的最优化试井分析方法（HAGAL） 51
第七章 早期试井资料的灰色系统关联分析方法 51
7.1引言 51
7.2压力恢复曲线续流段校正的基本理论 51
7.3压力恢复曲线续流段校正的灰色关联分析方法 53
7.4小结 54
第八章 非线性回归自动拟合试井分析方法 58
8.1引言 58
8.2数学模型及其解 58
8.2.1早期渐近分析 61
8.2.2早期试井分析理论图版的绘制及其形态特征的分析 63
8.3非线性回归算法 64
8.3.1 Newton方法 64
8.3.2 Gauss—Newton方法及其改进方法 66
8.3.3 M—L方法 67
8.3.4 LAV方法 68
8.4压力梯度的计算 70
8.5初始参数的确定方法 70
8.6置信区间估计 71
8.6.1置信区间 71
8.6.2 t分布（学生分布） 72
8.6.3解释参数的置信区间估计 73
8.7实例分析 73
8.8小结 78
第九章 遗传算法的性能分析 79
9.1引言 79
9.2基于二进制编码的遗传算法的收敛性分析 79
9.2.1有限马尔柯夫链（Markov） 79
9.2.2简单遗传算法的收敛性 82
9.3基于浮点数编码的遗传算法的收敛性分析 87
9.3.1离散化方法的研究 88
9.3.2收敛性分析 90
9.4遗传算法的收敛速度估计 90
9.5小结 92
第十章 基于自适应遗传算法的混合式最优化方法（HAGAL） 93
10.1引言 93
10.2自适应遗传算法（AGA）的基本原理 94
10.2.1自适应遗传算法（AGA）的概述 94
10.2.2自适应的交叉概率和变异概率 94
10.3基于自适应遗传算法的混合式最优化试井分析方法（HAGAL） 96
10.3.1自适应遗传算法的实现策略 96
10.3.2基于自适应遗传算法的混合式最优化试井分析方法（HAGAL） 98
10.4实例分析 100
10.5小结 107
结论 109
附录A有约束最小二乘回归公式 110
附录B改进的最小二乘法M—L回归方法 112
附录C符号说明 114
参考文献 115