进化算法是借鉴生物自然选择和遗传机制而产生的随机搜索算法，主要包括遗传算法、进化规划、进化策略、遗传编程。本文着重对遗传算法和前馈神经网络算法相关理论及其融合问题进行了研究分析。在此基础上针对神经网络学习算法存在的训练易陷入局部极值，网络结构难以调整等缺陷，研究了用进化计算优化神经网络权值的方法，最后将此方法应用到油气层识别中。 油气层的准确识别是提高勘探效果的关键环节之一。本课题在现有油气层识别研究与评价技术基础上，通过对不同储层下测井曲线的分析、测井曲线的特征参数提取、学习样本挑选、测井数据规则化等处理技术，最后利用进化神经网络方法进行油气层识别。通过把进化神经网络模型的仿真结果与神经网络方法的训练结果比较，得出此算法可以使预测精度与神经网络的泛化能力得以提高；同时该识别模型的测试结果还验证了进化神经网络用于油气层识别的可行性。 研究结果表明，进化神经网络可以克服常规测井解释中所遇到的高度复杂非线性建模的难题，且网络不易陷入局部极值。开展本课题的研究对于合理制定油藏勘探与开发方案及开展神经网络和遗传算法等软计算方法在油藏模拟中的应用具有一定的实际意义。