瑞雷波勘探具有分辨率高、抗干扰能力强、受场地影响小、经济、快速且无损等优点,现已被广泛应用于众多领域中,而瑞雷波频散曲线反演则是其中的核心。瑞雷波频散曲线反演是利用瑞雷波的频散特性来获取浅地表层状介质结构信息,现阶段反演方法主要分为局部线性化反演以及非线性全局优化反演两种。本文对一种新型全局优化算法——人工蜂群算法进行适当的改进,将其用于反演瑞雷波频散曲线,以获取地下横波速度以及地层厚度。传统蜂群算法具有极强的邻域搜索能力,能够找出区域内的极值点,但由于算法中未有全局最优解的引导,且全局搜索策略相对单一,致使算法可能陷于局部极值中,影响反演精度。鉴于蜂群算法精于探索、疏于开发的特性,本文借鉴粒子群算法中最优解引导策略以及遗传算法中的交叉操作,对蜂群算法进行改进,有效克服了上述问题。本文以“基于改进蜂群算法的瑞雷波频散曲线反演研究”为核心进行了深入的研究。首先介绍了蜂群算法基本原理以及实现过程,基于其缺陷提出了三种改进策略,结合运算效率以及频散曲线反演自身的特点对改进策略进行筛选。然后在不同理论模型中借助改进蜂群算法进行了基阶波频散曲线反演试算,并与传统蜂群算法反演进行对比,一方面检验了将蜂群算法引入至基阶波频散曲线反演中的有效性和适用性,另一方面也检验了改进之后的效果。其次,文中进行了深入的分析与研究,分别借助改进蜂群算法在不同模型中进行了含噪声试算、频散曲线联合反演试算以及频段缺失试算,从不同角度中检验了改进蜂群算法反演频散曲线的有效性。最后,对意大利某垃圾填埋场以及美国怀俄明地区两个典型实例进行了反演,通过实例研究检验了将改进蜂群算法应用于野外数据的实用性。通过本文研究取得如下研究成果:1、成功的将人工蜂群算法应用于瑞雷波频散曲线反演中,检验了算法在反演中的可行性以及较当前反演算法而言的优势。2、成功的借鉴粒子群算法以及遗传算法,对蜂群算法精于探索、疏于开发的缺陷进行有效改进。3、成功的基于改进蜂群算法进行了大量的基阶波频散曲线反演试算,与传统蜂群算法反演结果相比,检验了改进蜂群算法反演基阶波频散曲线的适用性与高效性。4、成功的基于改进蜂群算法进行了含噪声反演试算、频散曲线联合反演试算以及频段缺失反演试算,检验了改进蜂群算法反演复杂数据情形中的可行性。5、成功的基于改进蜂群算法对两个典型实例进行反演,通过与现有地层数据的对比检验了新型反演算法的实用性。本文的创新点主要体现在:1、本文针对传统蜂群算法缺少全局最优解参与运算过程以及全局探索策略相对单一的缺陷,引入粒子群算法中全局最优解引导策略以及遗传算法中的交叉操作进行针对性的改进,有效避免算法陷入局部极值中。2、将改进蜂群算法引入至频散曲线反演中,不止进行了基阶波频散曲线反演,而且在多模式下、含噪声以及频段缺失情形下均进行了相应的反演研究,对改进蜂群算法的反演性能进行了系统的测试。