[发明专利]一种基于加权多策略蛙跳算法的超高密度电法并行反演方法

权利要求书

1.一种基于加权多策略蛙跳算法的超高密度电法并行反演方法，包括以下步骤：

（1）根据反演的规模初始化蛙跳算法中青蛙的种群规模p，模因组个数m和组内迭代次数iter_l，随机初始化蛙群，其中，每只青蛙采用实数编码，值由勘探区域的模型参数组成；

（2）根据下式计算蛙群中各个青蛙的适应度：

式中Φ_d为数据拟合误差，Φ_M为正则化项，d_pre为预测数据矢量，d_obs为观测数据矢量，λ为正则化系数，C为粗糙度矩阵，M为各青蛙代表的模型参数矢量；

（3）将蛙群内青蛙按照个体适应度降序排列，并保存全局最优青蛙X_g；

（4）将整个蛙群分成m个模因组，每个模因组含n只青蛙，满足关系p=m×n，具体的分组方式如下式：

其中G_i为第i个模因组，每个模因组内具有最优和最差适应度的青蛙分别保存为X_b和X_w；

（5）蛙群分组后分别对各模因组内最差青蛙X_w进行局部搜索，其局部搜索的策略为：

式中F为权重系数，rand为[0,1]间的独立随机数，t为当前迭代次数，A为雅克比矩阵；当进行局部搜索时，首先采用策略1向模因组内最优解X_b(t)的方向更新青蛙，如果得到的X_w(t+1) 优于X_w(t)，则取代模因组内X_w(t)，否则采用策略2向全局最优解X_g(t)的方向更新青蛙，如果得到的X_w(t+1) 优于X_w(t)，则取代模因组内X_w(t)，否则计算雅克比矩阵A，并采用策略3向最小二乘解的方向更新青蛙，步骤（5）反复迭代直至达到组内迭代次数iter_l；

（6）当各模因组完成局部搜索后，将所有模因组内的青蛙进行全局混洗，即重新混合排序，并更新全局最优青蛙X_g；

（7）判断是否满足算法的终止条件，如果为否，则跳转至步骤（4），如果为是，则跳转至步骤（8）；

（8）将算法此时的全局最优青蛙X_g作为反演结果输出；

该方法采用基于CUDA技术的GPU并行计算实现，其中蛙跳算法的整体反演过程为主函数，在CPU中采用串行计算的方式实现；各个青蛙的适应度计算过程（步骤2）和各个模因组的局部搜索过程（步骤5）计算量大且具备并行性，因此在GPU中采用并行计算的方式实现。