油藏自动历史拟合与生产优化作为实现智能油田实时优化管理技术的核心内容，均可看作为油藏最优化问题。基于伴随方法的梯度类优化方法求解最高效，但伴随代码需嵌入自己编写的油藏模拟器，计算过程极其复杂，限制了该方法在实际问题中的应用；随机梯度算法避免了以上问题，但其梯度的准确性不高，仅是真实梯度的粗略近似。为此，论文提出了基于随机梯度算法与有限差分法相结合的SGFD梯度逼真优化方法，能够大幅地提高随机梯度的准确程度，同时计算代价远低于有限差分法。论文在油藏生产优化研究中，基于各种随机梯度算法，实现了相应的SGFD梯度逼真算法；同时，针对优化得到的控制方案波动性较强等问题，给出了梯度平滑技术，对算法进行了改进，提出了一系列新的随机梯度及相应的SGFD梯度逼真算法，然后应用不同的算法对油藏生产最优控制模型进行求解。在油藏历史拟合研究中，改进了集合Kalman滤波历史拟合算法，提出了基于流线协方差区域化的集合Kalman滤波方法；同时，在考虑多油藏模型的基础上，提出了一种新的参数降维方法，将高维问题转为仅与模型个数相关的低维问题，然后利用逼真梯度算法对历史拟合问题进行求解。研究结果表明：所提出的SGFD梯度逼真算法提高了随机梯度的准确率，相比其他随机梯度方法，获得了更优的调控方案及更高的经济净现值，优化得到的控制方案更易于实际操作，有效地改善了油藏注水开发效果；改进的集合Kalman滤波方法解决了滤波发散及数据伪相关性等问题，能以较少模型个数达到较好的拟合效果；油藏优化案例验证了参数降维方法以及SGFD梯度逼真算法在大规模油藏优化问题中的可行性及有效性，获得了较好的生产数据拟合结果，提供了符合地质规律的油藏模型，给出了最优的生产调控方案，为油藏实时生产优化应用提供了新的理论和技术支持。