张赛民，陈灵君，刘海飞，周竹生

(1.中南大学 地球科学与信息物理学院，湖南 长沙，410083；2.中国石化勘探南方分公司，四川 成都，610041)

地球物理模型与数据之间存在非线性关系[1]。获得模型解的过程是通过最小化目标函数来实现，因存在非线性关系，目标函数存在多极值。模型的非唯一性及数据的不完备也会导致产生局部极值，这导致线性化反演的局部优化技术往往会使全局最小值求解失败，甚至可能获得错误解。在没有充分先验信息情况下，通过全局非线性优化技术反演可以获得更优异的模型解。如Monte Carlo优化技术就是一全局优化技术，该技术在先验约束下，通过产生很多个模型找到最符合数据的模型解。Press[2]应用该方法曾估计地球内部弹性常数；Wiggins[3]应用Monte Carlo优化技术在天然地震中反演上地幔的纵波速度，Jin等[4]用两步法的 Monte Carlo方法进行非线性速度反演。Monte Carlo方法最大的问题在于计算量太大，需要反复的正演计算。为了使算法效率提高，已发展出多种随机优化技术，如遗传算法、蚁群算法、粒子群算法及模拟退火算法等。目前地球物理反演中应用比较多遗传算法是采取进化的观点获得最优解，而模拟退火技术是模拟物质粒子结晶的过程来获得模型解。模拟退火自提出以来，多次改进以适应不同的技术问题。Krikpatrick等[5]应用模拟退火研究晶体；Harold等[6]提出快速模拟退火算法；Ingber[7]提出极快速模拟退火算法。目前模拟退火技术已经广泛应用于地球物理反演中。Ma等[8−14]将模拟退火算法应用于地震资料反演中。……