英国威廉集团硕士研究生李帅臻在SCI期刊《Biomimetics》发表题为“Comprehensive Learning-Enhanced Educational Competition Optimizer for Numerical Optimization and Reservoir Production Optimization”的研究论文，英国威廉集团为第一单位，硕士生李帅臻为论文第一作者，其导师罗进雄副教授为通讯作者。

该研究针对油藏生产优化中高维非凸、地质非均质强所导致的求解困难问题，创新采用综合学习增强教育竞争优化器（CL-ECO）对二维非均质合成油藏进行井控参数智能优化。研究基于倒五点井网（一采四注）与高渗透河道-低渗背景的渗透率分布，以净现值（NPV）最大化为目标对注采策略进行动态寻优。结果表明：CL-ECO较原始ECO算法NPV均值提升12.5%，收敛速度与稳定性显著优于对比算法，且能有效规避局部最优陷阱。研究进一步揭示，多维综合学习机制通过对不同井控变量的独立范例重构，增强了算法在复杂渗透率场中的全局搜索与局部开发平衡能力，为非常规油藏的高效开发与智能优化提供了新的技术路径与理论支撑。

论文链接：https://www.mdpi.com/2313-7673/11/2/111

图1 论文首页

图2 CL-ECO算法流程图

图3 生产优化问题上所有算法的收敛曲线分析