1、遺傳算法是近些年來一種發(fā)展比較迅速的新穎的非線性反演方法，它具有很強(qiáng)的普遍適應(yīng)性和數(shù)值計(jì)算穩(wěn)定性，與現(xiàn)有的其它一些反演方法有著很大的區(qū)別。遺傳算法是一種比較健全的實(shí)用性反演方法，具備直接反演的全部?jī)?yōu)點(diǎn)。 遺傳算法用一個(gè)模型群體對(duì)模型空間進(jìn)行并行地搜索，代替使用一個(gè)模型值，使其具有較好的全局搜索能力，減少了陷入局部最優(yōu)解的風(fēng)險(xiǎn)；利用最普通的目標(biāo)函數(shù)值的信息，不需要計(jì)算目標(biāo)函數(shù)的導(dǎo)數(shù)或者其他比較特殊的輔助信息，對(duì)搜索空間也沒有苛刻的

2、假設(shè)和限制；并使用隨機(jī)的概率的轉(zhuǎn)移規(guī)則來進(jìn)行，不是使用確定性的轉(zhuǎn)移規(guī)則。這些優(yōu)點(diǎn)使得遺傳算法成為健全的全局優(yōu)化非線性反演方法。 遺傳算法的三個(gè)基本步驟是：選擇和再生、基因交換、基因變異。每一個(gè)步驟都發(fā)揮各自的優(yōu)勢(shì)，使得遺傳算法得以正常運(yùn)行。選擇和再生是根據(jù)目標(biāo)函數(shù)值來衡量個(gè)體的適應(yīng)度，并根據(jù)適應(yīng)度值的大小決定模型參數(shù)被復(fù)制的幾率?；蚪粨Q是對(duì)參數(shù)空間進(jìn)行全局搜索的一種方式，產(chǎn)生了結(jié)構(gòu)式的信息交換的效果?；蜃儺愂谷后w中保持一定程

3、度的差異和隨機(jī)性，引入新的遺傳物質(zhì)和信息。三個(gè)運(yùn)算步驟在遺傳算法中起著不同的作用，十分重要。 本文在介紹標(biāo)準(zhǔn)遺傳算法的結(jié)構(gòu)步驟的基礎(chǔ)上，根據(jù)它的優(yōu)缺點(diǎn)、局限性，著重介紹了一種改進(jìn)的快速遺傳算法，該算法通過提高計(jì)算效率改善了標(biāo)準(zhǔn)遺傳算法，使得快速遺傳算法在速度反演應(yīng)用中具有更高的實(shí)用價(jià)值。快速遺傳算法保留標(biāo)準(zhǔn)遺傳算法的基本結(jié)構(gòu)和運(yùn)算步驟，不同的是它在每次加速循環(huán)中進(jìn)行一次或者兩次迭代，然后提取部分優(yōu)秀個(gè)體，用這些優(yōu)秀個(gè)體的邊界值優(yōu)

4、化搜索范圍，壓縮尋值空間，從而大大地提高計(jì)算效率。在演化迭代中計(jì)算概率密度來代替?zhèn)鹘y(tǒng)意義的適應(yīng)度值線性計(jì)算方法，更利于選擇優(yōu)秀的個(gè)體，還引入了更新概率，比較交叉和變異后的個(gè)體同變前個(gè)體的目標(biāo)函數(shù)值大小，再次選擇決定出真正子代個(gè)體，這些舉措使得無論是計(jì)算速度還是收斂速度都有所提高。迭代完成后認(rèn)為當(dāng)前最佳值已經(jīng)很接近真值，在當(dāng)前最優(yōu)值的一個(gè)小范圍內(nèi)進(jìn)行混沌擾動(dòng)，這樣就提高反演精度，改善反演效果。 本文最后兩章進(jìn)行測(cè)試函數(shù)實(shí)例仿真、簡(jiǎn)