作为一项新兴的技术,智能油田中的闭环油藏开发理论通过动态监测油气藏状态并采用最优化技术实时制定最优开发方案,可实现对复杂油藏的经济高效开发。然而,我国大多数油田油水井数多,地质情况复杂,给智能油田的实时调控提出了严峻的挑战。一个关键的科学问题是如何实现对此类基于数值模拟的大规模优化问题的高效求解,提高智能优化调控的实时决策效率。本论文分别针对大规模生产优化问题的计算耗时特性与大规模特性展开研究。针对该类生产优化所牵涉数值模拟的计算耗时问题,本论文采用了代理模型辅助全局优化算法的方法实现对计算昂贵问题的优化求解,并于第二章提出了一个基于集合代理模型的全局优化框架。针对问题的大规模特性,本论文采用了一个“分而治之”的求解策略,首先将原始的大规模优化问题分解为一系列维度更低、更易求解的子问题群,随后,采用协同进化算法对子问题群进行联合求解。第三章,本论文以一个简单的代数方法证明了大规模问题中决策变量组的相关性识别定理,并提出了一个基于拓扑信息的分解框架,该框架可实现对大规模优化问题的高效分解。在协同优化方面,本论文分析了传统协同进化算法的缺点后,提出了一个基于贡献值的自适应优化框架。随后,进一步对该框架进行了改进,使用了迁移优化理论来使得子问题群的优化求解达到深度协同的作用,于第四章提出了一个基于知识迁移的子问题群深度协同优化框架。将基于集合代理模型的全局优化框架与基于知识迁移的子问题群深度协同优化框架进行整合后,本论文于第5章给出了一个用以求解大规模生产优化问题的代理模型辅助大规模协同优化算法,所提出算法能够实现对大规模计算昂贵问题的高效求解。大规模函数测试集与两个油藏实例上的实验测试结果证实了所提出方法的有效性。