直流电阻率测深法作为一个应用广泛而重要的地球物理勘探方法，在能源与矿产勘探、水文及工程勘察中发挥着越来越重要的作用。同时，人们对其勘探和解释精度也提出了更高的要求，因此，反演作为电测深数据解释的核心技术，已成为地球物理工作者研究的热点问题。随着电子计算机自动化和智能化技术的发展，电测深资料的反演解释进入一个新的阶段，如何利用智能优化技术克服其多解性、准确地反演出其定量结果，已成为物探工作者的主要研究方向。目前,最常用的反演方法有阻尼最小二乘法、梯度法及变尺度法,它们都属于线性局部最优化方法,不但易使解陷入局部极小值,而且严重依赖初始模型的选择，对地下薄层引起的局部异常难以达到满意的拟合反演。为此，发展具有强大的全局搜索能力，且不依赖于初始模型的非线性、智能优化反演方法对于电测深技术的发展具有十分重要的意义。智能优化算法属非线性算法，是受自然界生物群体行为模式的启迪，模仿其规律而设计的随机搜索算法，在某种程度上体现出了生物系统的自组织和自适应能力，如蚁群算法、粒子群算法、细菌觅食算法和人工鱼群算法等。本文研究的人工蜂群算法（Artificial Bee ColonyAlgorithm简称ABC算法）是基于蜜蜂群体的觅食行为而提出的一种新的启发式仿生算法，是一种新型、优秀的智能优化算法。因其在寻优方面具有收敛速度快、非劣解质量高、鲁棒性强等优点，迅速在国际优化计算领域得到认可，并在实际问题中得到广泛应用。本文属首次将人工蜂群算法应用到直流电阻率测深资料反演解释之中。从电测深基本理论分析入手，仔细研究了电测深的正演理论模型及相关电阻率正演公式，然后通过对人工蜂群算法的研究，在全面掌握其原理、基本结构、算法特点等相关内容的基础上，建立电测深曲线一维智能优化的非线性反演模型。通过理论模型的测试对比，选取了一组合理的反演模型参数和一种最优的选择策略，利用Matlab平台进行程序编译，实现了电阻率测深曲线的自动反演拟合功能。最后将编制好的程序在实际勘查项目中进行推广应用，即选取已知钻孔资料的典型孔旁测深数据进行反演，对其推广能力做出评估。并将所建立的智能优化反演方法与现有反演方法进行对比研究，结果表明：人工蜂群算法在提高反演精度和加快反演速度等方面，均有明显的优势，且计算时占用内存资源也较小。本课题的成果开辟了地球物理非线性反演的又一新领域，可将其进一步推广应用于二维或三维电测深反演理论之中。