[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

摘要

本发明公开了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。该方法通过在蛙跳算法的局部搜索中加入权重系数来增强算法跳出局部极值的能力，通过将最小二乘搜索策略引入到蛙跳算法的局部搜索中来实现多策略的局部搜索，利用最小二乘法的定向搜索特性来提高算法的局部收敛速度，采用CUDA技术并行计算各青蛙的适应度和各模因组的局部搜索过程，提高算法的总体计算效率。本方法能够根据超高密度电法的特征来进行优化反演，能够显著提高了超高密度电法反演的质量和效率，具有很强的实用性。

主权项

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Φd为数据拟合误差，ΦM为正则化项，dpre为预测数据矢量，dobs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Xg；（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Gi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Xb和Xw；（5）蛙群分组后分别对各模因组内最差青蛙Xw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Xb(t)的方向更新青蛙，如果得到的Xw(t+1) 优于Xw(t)，则取代模因组内Xw(t)，否则采用策略2向全局最优解Xg(t)的方向更新青蛙，如果得到的Xw(t+1) 优于Xw(t)，则取代模因组内Xw(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iterl；（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Xg；（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Xg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。