一种用于高维参数空间波形反演的协同变异差分进化算法

摘要

本发明公开了一种用于高维参数空间波形反演的协同变异差分进化算法，该算法将分解——协调的思想引入差分进化算，将高维个体分解为一系列的子成分，并引入局部适应度函数对每个子成分进行评价。然后在变异操作中利用局部适应度引导各子成分的变异方向，而在选择操作中利用全局适应度协调各子成分达到共同进化。与常用的快速模拟退火法和遗传算法相比，协同变异差分进化算法更加适合于高维参数空间波形反演；当层较薄、待反演参数多的情况下，协同变异差分进化算法能搜索到更加接近真实值的解。另外，协同变异差分进化算法的收敛速度对维数增加不敏感，维数很高时仍用很快的收敛速度。

主权项

一种用于高维参数空间波形反演的协同变异差分进化算法，其特征在于，包括以下步骤：1)采集原始地震资料，然后对采集到的地震资料进行预处理，处理后得到叠前共中心点道集或叠后地震数据，称这个地震数据为观测地震数据，记为Seis(r,t)，其中r表示检波器接收点位置，t表示时间轴；2)构建水平层状地质模型，给定地质模型的层数N和层的厚度，每层的介质模型参数包括纵波波速度V_p、横波波速度V_s和密度ρ；3)确定地质模型参数V_p、V_s、ρ的搜索空间，并指定待优化的目标函数；4)在地质模型参数搜索空间内随机地生成NP个地质模型，并进行实数编码得到含NP个个体的初始群体；5)计算群体中每个随机模型的合成地震数据，然后根据目标函数估计各随机模型对应个体的全局适应度值F_i；6)进行变异操作，对群体中每个个体产生一个变异个体首先将高维个体按照基因间相互依赖的强弱程度分解为一系列子成分，给每个子成分指定一个局部适应度函数，根据局部适应度函数估计各子成分的局部适应度值；然后随机选出三个不同个体，根据其相应子成分的局部适应度值变化情况得到梯度信息，并以此梯度的负方向作为各子成分的变异方向；个体的变异方向是由子成分的局部适应度值来引导：随机选出三个不同个体，将子成分的基因由小到大排列，如果其对应的局部适应度值是递增的case 1，则在最小基因的左方寻找新基因；如果其对应的局部适应度值是递减的case 2，则在最大基因的右方寻找新基因；如果其对应的局部适应度值是先减后增case 3，则在中间基因的附近寻找新基因；如果其对应的局部适应度值是先增后减case 4，则在最小基因的左方或在最大基因的右方寻找新基因：$v_{i,j}^g=\{\begin{array}{cc}{x}_{r_{11},j}^g-\alpha |x_{r_2,j}^g-x_{r_3,j}^g|,& case1\\ x_{r_{31},j}^g+\alpha |x_{r_2,j}^g-x_{r_3,j}^g|,& case2\\ x_{r_{21},j}^g+\alpha (x_{r_2,j}^g-x_{r_3,j}^g),& case3\\ p_1{x}_{r_{11},j}^g+p_2{x}_{r_{21},j}^g+p_3{x}_{r_{31},j}^g& case4\end{array},j=1,2,...,J$$p_1=p_4/{\mathrm{LF}}_j\left(x_{r_{11},j}^g\right),p_2=p_4/{\mathrm{LF}}_j\left(x_{r_{21},j}^g\right),p_3=p_4/{\mathrm{LF}}_j\left(x_{r_{31},j}^g\right),$$p_4=1/({\mathrm{LF}}_j{\left(x_{r_{11},j}^g\right)}^{-1}+{\mathrm{LF}}_j{\left(x_{r_{2}1,j}^g\right)}^{-1}+{\mathrm{LF}}_j{\left(x_{r_{31},j}^g\right)}^{-1})$其中α为变异尺度因子，一般选取0到1之间的实数，J为子成分的个数，LF_j为各基因对应的局部适应度值；7)进行交叉操作，随机地从变异个体和与其相应的当代个体中抽取基因，组合成一个试验个体8)进行选择操作，根据当代个体和试验个体的全局适应度值选取下一代；9)进化代数g＝g+1，判断是否满足终止条件，如果进化代数g小于或等于设定的值G，则返回到步骤6)；否则执行步骤10)；10)选出第G代群体中全局适应度值最小的个体，将该个体解码后即得到最终搜索到的最优地质模型。