遗传算法是近些年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法。它不完全依赖于初始猜测，且具有全局收敛的特点，可以被用来解决各种复杂的实际问题，如工程优化设计、人工智能和决策系统以及地球物理反演等。尽管遗传算法是一种效率很高的全局优化算法，但许多仿真结果表明它有计算时间长、局部搜索能力弱的缺点。而共轭梯度法属于非启发式全局优化搜索方法，收敛速度快，但容易陷入局部极值，且严重依赖初始猜测。根据遗传算法和共轭梯度法的特点。本文提出了一种混合遗传算法，用来进行地球物理反演。该算法既具有遗传算法的全局收敛性，又有共轭梯度法的快速收敛性。 文章首先对大地电磁理论做了详细的介绍。并综述了目前几种应用比较广泛的一维反演方法及其存在的问题，说明还需要对大地电磁一维反演方面做进一步的完善工作。在大量阅读国内外相关文件的基础上，对遗传算法做了比较详细的文献综述，接下来对遗传算法的工作原理及其基本术语做了比较详尽的介绍。 文章的第三部分是混合遗传算法的设计部分，也是本文的重点，介绍了混合遗传算法的具体实现方案，接着对混合算法做了严格的测试。并给出了一维反演实例。表明了混合遗传算法在大地电磁一维反演方面得有较强的实用性。 最后，作者对本文工作了总结，指出了工作中存在的问题，并对今后的工作做了讨论。