在油气勘探技术不断发展的今天，类型相对简单的构造型油气藏的开发已几近殆尽，如何寻找岩性油气藏将成为主要研究方向。地震勘探是寻找和判别岩性油气藏的重要手段，而地震波阻抗反演有助于油藏描述及后期的地震资料解释，它能够比较真实地反映地下的岩层和地质结构，为钻井提供可靠的依据。在实际工程中的很多问题，其本质都可转化为最优化问题，地震波阻抗反演便属于多参数的非线性优化问题，其主要目的是获得地下介质的反射系数，进而得到密度、速度等相关参数。近年来随着遗传算法、粒子群算法和人工神经网络法等启发式非线性反演方法的不断发展，给地震反演带来了新思路和希望。其中粒子群优化算法源于对鸟群运动行为的研究，是一种基于群体智能的演化计算技术；由于它的易于实现、收敛速度快、参数设置少等优点，目前已应用于神经网络训练、函数优化、模糊系统控制等诸多领域并取得了较好的效果。本文首先介绍了选题依据、地震波阻抗反演研究现状和粒子群优化算法在国内外的发展概况，并对粒子群优化算法的理论基础和参数设置作了简要的阐述，分析了粒子群优化算法的原理及实现流程。针对粒子群优化算法，虽然前期收敛较快，但后期易陷入局部最优的缺点，提出了一种基于模拟退火的非线性惯性权重粒子群算法。该算法通过非线性惯性权重因子扩大算法在初期的搜索空间，增强粒子的收敛性；加入模拟退火算法，可以通过概率性的选择一些“劣质解”放入粒子群中继续比较，增加种群的多样性，这样就能更好的避免陷入局部最优。并通过对比标准粒子群算法和参数的基于模拟退火的非线性惯性权重的粒子群算法，表明了改进后算法，对于复杂的多峰值问题具有更加良好的表现。本文在大量阅读并充分理解粒子群优化算法理论的基础上，将粒子群优化算法应用于地震波阻抗反演中，通过一维波阻抗模型进行了模拟试算，证实了其可行性。对于复杂的多维的反演问题，常规粒子群优化算法会出现后期收敛速度慢、反演精度不高等缺点，因此将基于模拟退火的粒子群优化算法也应用到地震波阻抗反演中；并通过一维和二维波阻抗模型的反演对比，表明了改算法的可行性与可靠性。最后将改进的算法应用到实际的地震数据也得到了较好的反演结果，证明了该算法的实用性和有效性。