高 旭 于 静 李学良 胡天跃 何 川* 岳永强

(①北京大学地球与空间科学学院，北京 100871； ②中石化石油工程地球物理有限公司，北京 100020； ③中国科学院地质与地球物理研究所油气资源研究室，北京 100029； ④保定北奥石油物探特种车辆制造有限公司，河北保定 072550)

0 引言

近地表地层模型的建立对地球物理研究和岩土工程具有重要意义[1]。瑞雷波的频散曲线对横波速度具有较强敏感性，因此常利用它反演地层的横波速度[2]。与常规勘探方法相比，瑞雷波勘探技术具有分辨率高、应用范围广、检测设备简单且速度快等优点[3]，在浅层勘探中得到了广泛应用。

对瑞雷波频散曲线进行反演是瑞雷波勘探的关键环节[4-5]，反演算法可分为线性和非线性两大类。由于反演本身具有非线性和多极值特点[6]，因此诸如最小二乘法[7]和Occam算法[8]等传统线性算法在求解时易陷入局部极小值。遗传算法[9-10]、模拟退火法[11-12]、BP神经网络法[13]、粒子群算法[14-15]等非线性算法虽不需满足观测值与未知量之间是线性关系的假设条件[16-17]，且具有全局搜索的优势，但在求解复杂问题时会出现参数不易调整等弊端，限制了这类方法的应用范围[18]。

蜻蜓算法(Dragonfly algorithm，DA)是Mirjalili[19]于2016年提出的一种新型非线性算法，即以定义多个行为向量及其权重的方式模仿蜻蜓的飞行规律与协作模式，实现对搜索空间的“探索”与“开发”。然而在原算法的每步迭代过程中，所有蜻蜓个体的同类权重被赋予相同数值，这种无差别赋值方式可能在实际求解过程中降低算法寻找全局极小值的效率。……