叠前地震数据资料中包含有非常丰富的振幅特征信息，根据这些振幅特征信息的变化关系反演提取地层岩性参数对于岩性识别及油气检测的研究有着十分重要的意义。本文研究的多波叠前AVA反演就是其中一种反演模式，是根据叠前地震的AVA角道集记录反演求取地层的纵波速度、横波速度和密度三个岩性参数。由于叠前地震数据资料中的振幅特征信息的变化与岩性参数是非线性的关系，所以在研究多波叠前AVA反演时，使用非线性方法进行反演计算成为了最为理想的反演计算方法。本文以地震波传播理论为基础，围绕模拟退火算法在多波叠前AVA反演中的应用进行研究。用于多波叠前AVA反演中的数据是以振幅随着入射角变化而变化的AVA角道集记录。首先通过用Zoeppritz精确公式正演出三层理论模型的P-P波和P-SV波的AVA曲线，然后再正演出这个理论模型的P-P波和P-SV波的理论AVA角道集记录。基本模拟退火算法是一种非线性的全局最优化算法，具有非常多的优点，在各个领域得到了非常广泛的应用。然而基本模拟退火算法也存在着诸多的缺点，阻碍其取得更广泛的应用，为此国内外许多学者对其进行改进和优化。本文对其中得到广泛认可的普通非常快速模拟退火算法进行继续优化，更改退火概率接受公式为更与物理退火过程相似的公式，增加记忆性并且在记忆的指导下优化搜索机制，形成了记忆指导的非常快速模拟退火算法。然后用四个测试函数来对该算法的计算性能进行测试，并与普通非常快速模拟退火算法的计算性能进行了比较分析。将记忆指导的非常快速模拟退火算法用于简单两层模型的反演，实验结果表明多波联合反演比单一波反演在反演精度上有一定程度的提高。然后用多层模型进行多波联合反演，实验结果表明，同步反演的参数随层数增多而增加，从而增加了参数同步反演的难度，反演参数的精度有降低的趋势。在模型理论AVA道集中加入一定的噪音然后在反演，实验结果表明，记忆指导的非常快速模拟退火算法具有一定的抗噪能力。然后对横向渐变模型进行了联合反演，最后进行实际地震资料的反演处理。