[发明专利]一种基于遗传算法的加热井布局优化方法及装置

权利要求书

1.一种基于遗传算法的加热井布局优化方法，其特征在于，包括：

S1、获取目标区域的形状面积，根据分割规则将所述目标区域划分成多个规则块；

S2、根据布置规则在每一个规则块上均布k个加热井作为初始群体P(0)；设置进化代数计数器t＝0，设置最大进化代数T；

S3、假设k个加热井在每一次循环中均有p的概率沿其周围随机一个方向移动；

S4、计算P(t)k个加热井在移动后新的位置覆盖面积，以覆盖面积最大的方案作为下一代的方案P(t+1)；

S5、当t＝T时，当前所对应的方案为相对最优的布局方案。

2.根据权利要求1所述的一种基于遗传算法的加热井布局优化方法，其特征在于，步骤S1，包括：

S11、获取目标区域的形状面积，从目标区域边界位置开始，圈定1个或多个加热井的区域作为有效块，其余区域作为冗余块；多个加热井为相邻的加热井；计算加热井覆盖面积百分比；

S12、将所述冗余块按就近原则与有效块组合到一起，补足不规则复杂图形的外部边界；计算新的加热井覆盖面积百分比，减去步骤S11的百分比作为选择状态的奖赏；

S13、假设每一步均为最优决策，则选择奖赏最大的状态作为下一状态，实现将所述目标区域划分成多个规则块。

3.根据权利要求2所述的一种基于遗传算法的加热井布局优化方法，其特征在于，所述步骤S2中布置规则为：

在每一个规则块上均布排列k个加热井；每个加热井的有效覆盖面积直径为d；将k个加热井的覆盖总面积达到每一个规则块图形面积的1.3倍。

4.根据权利要求3所述的一种基于遗传算法的加热井布局优化方法，其特征在于，所述步骤S4，包括：

S41、计算P(t)k个加热井在移动后新的位置覆盖面积；

S42、当所述覆盖面积增加，则将所述进化代数计数器t置为0；

S43、当所述覆盖面积未增加，则将所述进化代数计数器t加1，并执行步骤S3。

5.一种基于遗传算法的加热井布局优化装置，其特征在于，包括：

获取及划分模块，用于获取目标区域的形状面积，根据分割规则将所述目标区域划分成多个规则块；

初始化模块，用于根据布置规则在每一个规则块上均布k个加热井作为初始群体P(0)；设置进化代数计数器t＝0，设置最大进化代数T；

选择交叉和变异模块，用于假设k个加热井在每一次循环中均有p的概率沿其周围随机一个方向移动；

更新模块，用于计算P(t)k个加热井在移动后新的位置覆盖面积，以覆盖面积最大的方案作为下一代的方案P(t+1)；

终止判断模块，用于当t＝T时，当前所对应的方案为相对最优的布局方案。

6.根据权利要求5所述的一种基于遗传算法的加热井布局优化装置，其特征在于，所述获取及划分模块，包括：

获取子模块，用于获取目标区域的形状面积，从目标区域边界位置开始，圈定1个或多个加热井的区域作为有效块，其余区域作为冗余块；多个加热井为相邻的加热井；计算加热井覆盖面积百分比；

组合选择子模块，用于将所述冗余块按就近原则与有效块组合到一起，补足不规则复杂图形的外部边界；计算新的加热井覆盖面积百分比，减去步骤S11的百分比作为选择状态的奖赏；

选择划分子模块，用于假设每一步均为最优决策，则选择奖赏最大的状态作为下一状态，实现将所述目标区域划分成多个规则块。

7.根据权利要求6所述的一种基于遗传算法的加热井布局优化装置，其特征在于，所述初始化模块中布置规则为：

在每一个规则块上均布排列k个加热井；每个加热井的有效覆盖面积直径为d；将k个加热井的覆盖总面积达到每一个规则块图形面积的1.3倍。

8.根据权利要求7所述的一种基于遗传算法的加热井布局优化装置，其特征在于，所述更新模块，包括：

计算子模块，用于计算P(t)k个加热井在移动后新的位置覆盖面积；

第一判断子模块，用于当所述覆盖面积增加，则将所述进化代数计数器t置为0；

第二判断子模块，用于当所述覆盖面积未增加，则将所述进化代数计数器t加1，并通知所述选择交叉和变异模块执行操作。