大部分地球物理参数反演问题属于多极值的目标函数优化问题,使用基于线性或拟线性理论的反演方法往往导致反演结果陷入局部最优,造成反演结果的不可靠。常规的反演方法越来越难满足那些地下情况更复杂、处理标准更高的要求。所以,引入新的更优的反演思想和方法是改善这种状况的重要途径之一。本文结合前沿交叉学科的一些新研究成果,对简单遗传算法进行改进,将多智能体遗传算法用于地球物理参数反演。本文在分析了当前地球物理反演的要求后,兼顾算法全局搜索和收敛速度两个核心要求,首次将已经在其他优化领域成功应用的多智能体遗传算法引入到地球物理反演中。该方法采用实数编码,利用均匀设计的方法产生初始种群,设计了四个智能体遗传算子,分别为邻域竞争算子,邻域正交交叉算子,变异算子和自学习算子。其中邻域竞争算子和邻域正交交叉算子分别实现智能体的竞争和合作行为,变异算子和自学习算子实现了智能体利用自身知识的行为。并用标准测试函数对算法进行测试,从理论模型开始,研究智能体遗传算法在大地电磁反演以及地震反射系数反演中的可行性,进行了大量理论模型计算试验,并对反演结果进行了分析。本论文围绕多智能体遗传算法在地球物理反演中的应用这一前沿课题,分四个部分来论述:第一部分首先简要阐述本文研究问题的提出,课题研究的意义,研究的思路和主要内容,主要创新和贡献等几个方面内容。第二部分简要回顾了非线性反演方法的提出,非线性反演方法的发展和分类,并对非线性反演方法优势和局限性进行了评述,就反演问题的非线性与多极值、反演解的存在性、非唯一性和稳定性、计算量问题等进行了讨论。第三部分和第四部分是本文的主要内容。第三部分结合多智能体遗传算法优化原理和算法实现过程中的一些关键技术,如邻域竞争,邻域正交交叉策略等,针对地球物理反演问题的非线性、多极值等特点提出一套可行的实现方案,并设计了多智能体遗传算法反演地球物理反演问题的详细实现流程。第四部分对该优化算法的性能进行检验,先从优化标准测试函数开始,然后应用到地球物理理论模型数据反演,研究多智能体遗传方法在大地电磁反演以及地震反射系数反演中的可行性,并对其计算效率进行了大量计算试验,并对反演结果进行了分析。多智能体遗传算法不但具有非线性优化算法的许多优点,如不受初始模型选取的限制、可以方便的与其它优化算法进行综合(联合或混合)反演,还可以实现并行计算,使其计算速度提升。这充分显示了方法的实用价值。其对地球物理理论模型正演数据反演结果及效率,也显示出多智能体遗传算法求解地球物理反演问题的巨大潜力。