用于井位与控制联合优化的多阶段多群粒子群优化
神经与进化计算
2021-06-03 v1
摘要
进化优化算法（包括粒子群优化（PSO））已成功应用于石油行业的生产规划与控制。此类优化研究因决策变量、生产情景与地下不确定性数量庞大而颇具挑战。本文提出多阶段多群 PSO（MS2PSO）以修正标准 PSO 算法的若干缺陷，如早熟收敛、全局最优解过度影响与振荡。利用 Olympus 基准开展多项实验以比较算法效能。首先调优标准 PSO 超参数，使早期侧重探索、后期侧重开发。接着采用两阶段多群 PSO（2SPSO），其第一阶段多个群在第二阶段合并为单群。最后使用具多阶段与多群、各阶段后群递归合并的 MS2PSO。多群策略确保种群内多样性得以保持并探索多模态。分阶段确保初始阶段发现的局部最优不致引起早熟收敛。优化测试用例含 90 个控制变量与二十年流动模拟周期。观察到不同算法设计各有优劣。多群与多阶段助算法脱离局部最优，但同时可能需更多迭代方能收敛。发现 2SPSO 与 MS2PSO 均有益于高维多模态、需更强探索的问题。
引用
@article{arxiv.2106.01146,
title = {Multi-stage, multi-swarm PSO for joint optimization of well placement and control},
author = {Ajitabh Kumar},
journal= {arXiv preprint arXiv:2106.01146},
year = {2021}
}