油田开发中一个非常重要的任务就是确定油田布井方案以及评估各个方案在投入生产时的经济效益，从而确定出一个最佳的布井方案。在经济利益最大化的前提下，一个合理的布井方案要求采用井数最少的井网，并且能够最大限度的开采油田储量。因此在井网部署方面要确定油、水、气井的排列方式、井数的多少以及井距的大小。针对油田布井方案的优化，本文的主要研究内容如下：第一，井网部署问题取决于油藏驱动方式、油藏类型和流体特性以及各类经济参数，因此油田布井问题涉及到的变量数目较多。如何有效的选择和组合这些变量，使油井产量最大化是非常关键的。而传统的优化方法对目标函数要求严格，往往不适合求解这种复杂的多变量问题。针对这一问题，本文提出采用粒子群算法（Particle SwarmOptimization，PSO）来对油田布井问题进行优化，该算法的优点是计算简单、参数设置少、收敛速度快、易于实现、具有较强的鲁棒性，对函数性态无要求，能够处理的变量数目多，非常适合于求解复杂的优化问题。第二，对PSO算法的性能做了对比分析，论证了PSO算法在布井优化方面比GA算法更适合，求解的优化结果更精确，收敛速度更快。在本文中选取了三个基准测试函数（Sphere、Rastrigin、Rosenbrock）分别用来测试算法的寻优精度、跳出局部最优解的能力和算法的执行能力。首先分析了参数对算法性能的影响，对于同一个函数，当取不同的参数组合时，PSO算法的收敛精度和速度也会不同。其次分别取这三个函数的不同维数来对PSO算法和GA算法的性能做了对比分析。从实验结果统计的数据来看，随着函数维数的增加，PSO算法的收敛精度、收敛速度以及跳出局部最优解的能力虽然都有下降，但是仍然要优于GA算法。从而验证了PSO算法在求解多变量问题时的优越性。第三，将PSO算法应用到油田布井优化中，根据求解的实际问题和PSO算法建立了相应的数学模型并且编写了井位优化系统软件。在系统中以某油田的小层数据为依据，构建了油藏模型3D渗透率场，并以最大累计产量为目标函数对井位进行了优化。实验结果表明，用PSO算法对油田井位进行优化可以达到较好的优化效果。