大地电磁测深(MT)是Tikhonov和Cagniard在20世纪50年代提出来的利用天然交变电磁场研究地球电性结构的一种地球物理勘探方法，是深部地球物理探测必不可少的手段。大地电磁测深法具有一些明显的优点，它不需要人工场源，以随时间变化的天然电磁场为场源，成本低廉，具有较大的勘探深度，不受高阻层的屏蔽影响，对低阻层有较高的分辨能力。该法在国内外的地热田的调查、矿产普查和勘探、地壳和上地幔电性结构的研究、海洋地球物理、环境地球物理和地质工程中都发挥着重要的作用，在关系国计民生的能源尤其是在石油天然气勘探方面，发挥着举足轻重的作用。 反演是大地电磁测深工作的关键环节之一。反演就是构造出合适的误差目标函数，求其最小值，其数学本质是一个最优化问题。一维火地电磁测深反演算法主要分为线性算法和非线性算法两类。线性算法最终解依赖于初始解，这导致最终解是全局最优解的可能性小，往往是初始解附近的局部极小值，因此降低了反演结果的可靠性。非线性算法的最优解不依赖于初始解，或者依赖程度非常低，因此是全局最优解的可能性比线性算法大。地球物理反演问题通常是非线性的，即目标函数常常具有非线性特征。针对传统反演方法往往出现对初始模型依赖性等弱点，本文首次提出了运用蚁群算法进行MT反演。 意大利学者Dorigo M．，Mnaiezzo V.和Colorni A．于1992年通过模拟蚁群觅食行为提出了一种基于种群的模拟进化算法一蚁群优化(ACO)。ACO的第一个应用是TSP问题，该算法是一种求解复杂组合优化问题的启发式算法，自其提出以来，便在求解组合优化问题上显示出了强大的优势。作为一种全局搜索的方法，蚁群算法具有分布性、正反馈性、鲁棒性、以及善于与多种启发式算法结合以改善算法性能等优点。虽然传统的蚁群算法具有很强的全局寻优解的能力，但它具有离散本质，而MT反演问题相对于TSP来说属于连续域优化问题。针对以上问题，通过深入分析地球物理反演问题和TSP以及ACO之间的关系，本文借鉴高尚等人提出的基于网格划分策略的方法，离散化各地层参数，构造了MT反演问题的解构造图。在此解构造图的基础上，将基本ACO算法应用于MT反演问题，并根据蚁群算法信息素更新的特性，把蚁群的两种不同的信息素更新方式混合在一起，将全局搜索和全局最优搜索相结合，使算法收敛性得到了提高。 本文对不同参数和地层模型做了具体的分析和计算，比较了这种算法在两种不同参数估计范围方法下的反演效果，并与其它算法的反演结果做了比较。反演结果显示蚁群算法在一维大地电磁测深反演中具有很好的效果，有很强的全局寻优能力，并且当适当缩小搜索范围时速度可以得到显著提高。