砂砾岩储层由于其形成时特殊的沉积作用和构造活动使之成为有利的隐蔽油气藏，其勘探开发越来越受到重视，但由于该类储层具有埋藏深、岩性复杂、低孔低渗、孔隙结构复杂、非均质性强等特点，难以精确划分岩性并建立准确的解释模型，给储层参数的求取带来很大的困难。最优化测井解释技术的发展为复杂岩性储层的评价开辟了一条可行之路，最优化测井解释可充分利用多种测井信息、测量误差和响应方程误差及地质资料和工作经验，根据广义地球物理反演理论，运用最优化数学算法、统计概率与误差理论及质量控制技术，从所有可能的解释结果中找出最合理的解释结果，综合求取储层参数。通过对研究区储层的测井响应特征及“四性关系”的研究，分析了砂砾岩储层的岩性、含油性、物性及电性关系，在测井解释模型的建立上，提出了多组分模型。与多矿物模型类似，骨架的成分被细化，但由于砂砾岩储层岩性复杂，岩屑的组成多样不便细分，因此整体作为一个组分，与之类似，将斜长石与钾长石也作为一个整体，得到石英、长石、岩屑的骨架三组分。而对于测井响应方程，本文采用线性方程，简化了计算。本文用最优化测井解释对砂砾岩储层进行评价，作为最优化技术的核心，数学算法起着决定性的作用，而遗传算法(Genetic Algorithm, GA)作为一种启发式全局搜索算法，近年来得到了广泛的应用，但遗传算法本身存在一定的缺陷—早熟，为克服这个缺点，本文提出了将具有较强的局部搜索能力的复合形算法(Complex Method)与遗传算法结合构成混合遗传算法作为最优化的搜索方法。与遗传算法相似，复合形算法也不需要目标函数的梯度信息，因此实际应用比较方便。本文先用遗传优化算法对实际测井数据进行了处理，求取了储层的孔隙度、泥质含量及矿物组分含量，与岩心数据对比，吻合程度也较好，但由于遗传算法的早熟现象，使很多深度点并未找到最合适的解，在曲线上表现为较多的跳跃点。将复合形算法引入后，基本上没有跳跃点，且理论测井曲线与实际曲线基本重合，改进的效果很明显。另外将GA-CM算法应用到岩电参数的确定上，并以此作为求取饱和度的基础，也取得了一定的效果。