文档介绍：:已知某一空间(或介质)中的源和媒质的分布,求该空间的电磁场分布。对应逆问题的提法为:已知某一空间的电磁场分布(有时甚至是其不完全的分布形式),求产生这种现象的源或媒质的分布。我们说,实际应用中,更多碰到的都是电磁逆问题的形式,而且其中大都是与电磁信号反演相关的问题,本质上也可以归结为一个统计信号处理问题或图像处理问题。但是这些问题的背景均来自电磁学,所以它们都有其自身的特殊性。,一类是参数识辨问题,另一类是优化设计问题,其中优化设计问题又称为综合问题。这两类逆问题的求解对象可以完全一样,但在对解的存在性和唯一性的要求上有明显的区别。在优化设计问题中是否存在满足要求的设计方案是首要问题,而参数辨识问题从物理意义上讲解总是客观存在的,但由于模型和数据的误差又使得存在性无法保证。另一方面,参数辨识问题强调的是得到与客观实际吻合的唯一解,而优化设计问题显然容许多种可行的设计方案。(或伪随机)生成元的方法称为蒙特卡罗反演方法。使用MCI方法能够求解相当大规模的、多参数、任意复杂形式的完全非线性反演问题,且不做任何线性化近似。MCI既可以解决线性反演问题,也能用来解决非线性反演问题,既能用来解决单参数反演问题,又能用来解决多参数反演问题;既可以用于一种数据的反演,也可以用于多种数据的联合反演;适应能力相当强,而且计算方便、灵活,概念清楚、简单。因此,MCI受到人们的极大重视。KeilisBorok和Yanovskaya第一次把MCI引入到地球物理学中,在20世纪60年代后期,随着计算机能力的发展,MCI在地震学的一些重要问题中变得可行起来。到了20世纪70年代,人们将注意力从MCI转向了线性反演和用先验信息解决非唯一性问题。20世纪80年代人们开始致力于完全非线性反演方法研究,完全非线性反演方法不包含任何线性化处理,是解决非线性反演问题的根本方法。柯克帕特里克在1983年首先将模拟退火法用于寻求多变量函数的全局极值。蒙特卡罗法的另一种算法——遗传算法,最初是由Holland作为人工系统中的适应模型提出的。。在这种表述下,逆问题的所有的信息由概率项来表示。在这种表述下,逆问题的所有的信息由概率项来表示。贝叶斯推断可以合理地应用到线性或非线性逆问题中,简而言之,它是把关于解的先验信息和观测数据结合起来,得到解的后验概率密度函数,而后验概率密度函数被认为是逆问题的完全解。在贝叶斯方法中,后验概率密度函数定义在整个解空间。线性反演技术能有效地用来解决后验概率密度函数为高斯分布时的情况。。该算法是局部搜索算法的推广,其特点是采用禁忌技术,即用一个禁忌表记录下已经到达过的局部最优点,在下一次搜索中,利用禁忌表中的信息不再或有选择地搜索这些点,以此来挑出局部最优点。在禁忌搜索算法中,首先按照随机方法产生一个初始解作为当前解,然后在当前解的领域中搜索若干个