论文主要研究了遗传算法在油藏自动历史拟合问题上的应用。　　 历史拟合是油藏数值模拟研究中一个十分重要的环节，目的是寻找一组油藏参数（论文中求解是渗透率场）使模拟器的输出与油藏实际产量相匹配，通常是使实际测量值与模拟器计算值之差的平方最小化。使用计算机技术来实现历史拟合的过程称为自动历史拟合。传统优化算法中的Gauss-Newton、L-M、BFGS、LBFGS等方法都可以用于历史拟合问题求解。但这些方法需要计算目标函数的梯度，对于大规模问题计算速度非常慢。在经历了上世纪90年代的研究热潮之后，近几年又有不少学者开始研究自动历史拟合问题。除了研究传统的优化算法外，有越来越多的学者把目光投向了现代优化算法。演化算法、集合卡尔曼滤波、响应面模型、伴随方法等现代优化算法在油藏历史拟合问题上得到了更多的应用。　　 历史拟合的过程非常复杂，尽管现在有许多工作可以自动化处理，但仍有很多计算方面问题急待解决，如：与梯度无关算法中的目标函数的评价：基于梯度算法中的梯度的计算等。针对自动历史拟合中存在的问题和遗传算法的特点，论文研究了遗传算法在油藏自动历史拟合问题上的应用。自动历史拟合关键问题之一是构造一个合理的目标函数。这个目标函数必须能合理地评价实测值与模拟计算值之间的差距。在分析实际生产数据和自动历史拟合实验数据的基础上，针对历史拟合的特点提出了新的拟合评价函数，即目标函数。并对所设计的目标函数做了大量对比实验，实验结果表明所提出的目标函数能够更合理地评价拟合结果。在分析实验数据的基础上，针对历史拟合实验中出现的问题设计了特定的变异算子，实验结果表明该变异算子加快了算法的收敛、提高了历史拟合的效率。论文在分析单目标、多目标拟合实验数据的基础上提出了单目标遗传算法与Pareto档案相结合的算法。　　 论文在一个21×20×4的模型上对算法进行了验证。结果表明算法对于历史拟合问题是非常有效的。运算求解的渗透率场有效地描述了区块地层中流体的流动能力，对生产开发具有指导意义。