地球物理资料非线性反演方法讲座（十） 粒子群反演方法

绝大多数地球物理反演问题是非线性问题。近年来,非线性反演方法的研究和应用,都有了一定的进展,涌现了许多新的反演方法,引起了人们的重视。本讲座类比遗传算法和模拟退火等智能随机非线性反演方法寻优思想之后,在前人工作的基础上,详细地介绍了我们首次在地球物理资料反演中付诸实现的一种新的非线性反演方法——粒子群反演算法。文中以地震波阻抗数值模拟和实际资料为例,说明了该方法的可行性及有效性。     

地球物理资料非线性反演方法讲座（九）蚁群算法

蚁群算法是一种仿生类非线性优化算法,具有并行性、正反馈性和全局极小搜索能力强等特点。蚁群算法的机理是：生物界中的蚂蚁在搜寻食物源时,能在其走过的路径上释放一种蚂蚁特有的分泌物——信息素,使得一定范围内的其他蚂蚁能够觉察并影响其行为。当某些路径上走过的蚂蚁越来越多时,留下的这种信息素轨迹也越多,以至信息素强度增大,使后来蚂蚁选择该路径的概率也越高,从而更增加了该路径的信息素强度。为了将起源于离散网络路径优化的原始蚁群算法思想用于连续函数优化的地球物理反演问题,必须对有关实施细节进行改造和修正,本文基于网格划分策略的连续域蚁群算法实现了连续域大地电磁蚁群算法。通过选择蚂蚁数、信息素挥发系数等参数,利用三层K型模型和四层HA型模型进行数值试验,结果表明,蚁群算法可以稳定收敛,反演结果接近理论模型。     

地球物理资料非线性反演方法讲座(一)地球物理反演问题概述

大力开展非线性反演方法的研究和应用,是国内外地球物理学界的共识。本论谈将全面介绍近十多年来非线性反演方法研究和应用的新进展,其目的是让更多的读者从不同的角度和领域去重视它、研究它、应用它,提高其应用效果,推动它的发展,使它更好地为国民经济建设和人民生活服务。     

地球物理资料非线性反演方法讲座（五）：人工神经网络反演法

木文概要地介绍了近年来发展起来的一种强有力的地球物理资料非线性反演的方法——人工神经元法（ANN）。比较系统地介绍了ANN的基本知识和两种基于不同原理的ANN反演方法。基于模式识别和基于最小方差的ANN反演方法。列举了这两种方法在地球物理资料反演中的一些应用实例、指出了该方法的存在问题和发展方向。     

地球物理资料非线性反演方法讲座(十一)模拟原子跃迁反演法

模拟原子跃迁反演法源于原子物理学,它模拟了物理学中原子从激发态向基态跃迁的物理过程。模拟原子跃迁反演算法的基本思想是：将地球物理反演理论中的反演目标函数生成目标能级函数,然后通过能级跃迁过程使模拟的系统最终达到系统能级最小值的过程。模拟原子跃迁反演法是利用了地球物理反演问题求解过程与原子中能级跃迁过程的相似性建立的一种新的地球物理反演方法。本讲座概要地介绍了模拟原子跃迁法的基本原理、目标能级化过程、能级跃迁、模型搜索及解的接受准则及模拟原子跃迁法的实现过程,并给出了模拟原子跃迁法对典型测试函数和大地电磁资料反演,最后总结和归纳了模拟原子跃迁法的特点。     

地球物理资料非线性反演方法讲座(三)模拟退火法

模拟退火法源于统计热力物理学,它模拟熔融状态下物体缓慢冷却达到结晶状态的物理过程。模拟退火反演算法的基本思想是:生成一系列参数向量模拟粒子的热运动,通过缓慢地减小一个模拟温度的控制参数,使模拟的系统最终冷却结晶达到系统能量最小值的过程。模拟退火反演算法实质是利用了地球物理反演问题求解过程与熔化固体退火过程的相似性,开辟了地球物理反演的新途径,是非线性反演算法中一种最常用的算法。本讲座概要地介绍了模拟退火法的基本原理,模型搜索及解的接受准则,模拟退火法的分类及实现方法,并给出了模拟退火法在地震资料、电法资料及其他地球物理资料反演中的实例,最后总结和归纳了拟退火法的特点以及该方法的局限性。     

地球物理资料非线性反演方法讲座(二)蒙特卡洛法

本讲座概要地介绍了在非线性反演方法的研究和发展中有着重要作用的蒙特卡洛法。包括它的原理、分类、计算框图、应用实例以及它的局限性。指出了大力开展现代的蒙特卡洛法研究的必要性。     

地球物理资料非线性反演方法讲座(六)共轭梯度法

概要地介绍了在非启发式非线性反演方法——共轭梯度法的原理、算法、优点,以及它的局限性,和改进型算法：一种全局收敛的随机共轭梯度法。最后通过一个例子来说明共轭梯度法及其改进型算法的优缺点。     

地球物理资料非线性反演方法讲座(七)同伦反演法

同伦是代数拓扑学中的概念,同伦算法已应用于一些工程实际问题的求解。同伦方法的基本思想是：通过引入同伦参数,将原来复杂的非线性映射零点求解问题转化为跟踪同伦零点曲线问题,该同伦零点曲线的一端为已知值（给定的初始模型）,另一端即为所求原映射的解。本讲座概要地介绍了同伦方法的基本原理,跟踪同伦曲线的具体算法,并给出了同伦方法在地震勘探波阻抗反演中的应用实例,最后归纳总结了同伦方法的特点及目前存在的不足。     

小生境遗传算法及其在地球物理

遗传算法在地球物理反演中已经得到越来越广泛的应用,而常规遗传算法存在早熟收敛和后期收敛速度慢的弱点。本文介绍一种基于小生境技术的改进遗传算法,它不但具有良好的收敛可靠性,而且具有较快的收敛速度。文章扼要分析了小生境遗传算法的运行机制,并对遗传算法的收敛性作了详细分析。对给出的三个测试函数和理论地震波速反演的实验数据表明,该算法确实是一种行之有效的遗传算法。     

蚁群算法

蚁群算法是一种仿生类非线性优化算法,具有并行性、正反馈性和全局极小搜索能力强等特点.蚁群算法的机理是:生物界中的蚂蚁在搜寻食物源时,能在其走过的路径上释放一种蚂蚁特有的分泌物信息素,使得一定范围内的其他蚂蚁能够觉察并影响其行为.当某些路径上走过的蚂蚁越来越多时,留下的这种信息素轨迹也越多,以至信息素强度增大,使后来蚂蚁选择该路径的概率也越高,从而更增加了该路径的信息素强度.为了将起源于离散网络路径优化的原始蚁群算法思想用于连续函数优化的地球物理反演问题,必须对有关实施细节进行改造和修正,本文基于网格划分策略的连续域蚁群算法实现了连续域大地电磁蚁群算法.通过选择蚂蚁数、信息素挥发系数等参数,利用三层K型模型和四层HA型模型进行数值试验,结果表明,蚁群算法可以稳定收敛,反演结果接近理论模型.     

遗传算法

遗传算法是一种通过模拟自然进化过程来搜索最优解的非线性优化算法．它模拟达尔文的进化论,即生物的进化总是遵循适者生存、优生劣汰的规则。遗传算法用于地球物理反演的基本思想是从模型群体开始搜索,把模型参数用二进制进行编码,将模型空间的点映射到染色体空间的染色体,然后通过选择、交换和变异等遗传操作对模型群体进行繁殖,逐次迭代,在模型参数空间进行群体搜索,最后求取非线性反演问题整体极值所对应的最优解或近似最优解。遗传反演算法利用了生物进化过程和地球物理反演问题求解过程的相似性,开辟了地球物理反演的新途径,是非线性反演算法中一种最常用的算法。遗传算法是一种非线性的全局优化算法,它可避免目标函数梯度类方法的缺点,同时也可明显提高模型参数空间随机搜索的效率。本讲座概要地介绍了遗传算法的基本原理,遗传操作的基本步骤及实现方法,并给出了遗传算法在地球物理资料反演中的实例,最后总结和归纳了遗传算法的特点以及该方法的局限性。     

量子遗传算法在目标分配上的应用

量子遗传算法是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性.目标分配问题是一种典型的NP难问题,传统的方法在求解此问题时很容易陷入局部最优.本文利用量子遗传算有效地解决了目标分配最优化的问题,数值模拟表明量子遗传算法在该类问题中具有效性和可行性.     

基于量子比特遗传算法的外商对华投资项目优选

将进化论与量子理论结合,提出一种基于量子计算概念的关于外商对华投资的量子遗传算法。算法借鉴量子比特的叠加性,采用量子编码能表征更多的染色体叠加状态,模拟量子坍塌的随机观察可带来种群。量子染色体的进化能够简单方便地引导进化。应用仿真结果表明,量子遗传算法具有全局寻优能力强、收敛速度快和计算时间短的优越性。     

基于遗传算法和禁忌搜索算法的混合策略及其应用

为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析2者的优势和不足,提出了一种将2者混合使用的求解优化问题的方法.本算法用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,得到满意的计算结果.同时,为抑制早熟现象,避免收敛到局部最优点,提出了一种应对策略.实验结果表明,该算法在计算速度和计算结果方面都有改进.