A inversão sísmica pode ser usada para estimar as propriedades físicas do interior da Terra, sem a necessidade de poços. No entanto, ainda é um método pesado computacionalmente. Métodos locais, os quais convergem mais rapidamente, falham devido ao alcance local de sua otimização. Métodos globais, como o Algoritmo Genético apesar de serem robustos ainda são considerados lentos devido ao fato de ter que se trabalhar com uma população grande durante várias gerações para garantir um bom ajuste. O objetivo desse trabalho consistiu em combinar o Algoritmo Genético com o Método de Newton, de modo a tirar vantagem da robustez de um método global e da rapidez de um método local. A escolha do Método de Newton se deve à possibilidade de usar as informações contidas na população de modelos do Algoritmo Genético de maneira a estimar a forma da função objetivo. Nos testes com várias normas, o Algoritmo Híbrido obteve um ajuste melhor que o Algoritmo Genético, assim como no dado com ruído. No teste usando uma população reduzida de modelos o Algoritmo Híbrido se mostrou bem mais eficiente que o Algoritmo Genético, sugerindo que ele pode obter o mesmo resultado reduzindo os modelos da população e, por consequência, reduzindo o tempo computacional, crítico na inversão sísmica.

Seismic inversion can be used for estimating the physical properties in the interior of the Earth. Nevertheless, without the need of wells, it is still a method which requires a lot of computational time. Local methods, which converge faster, fail due to the local reach of their optimization. Global methods, such as the Genetic Algorithm, despite being robust, are still considered as being slow, since they have to work with a large population for several generations in order to grant a good adjustment. The objective of this work is to combine the Genetic Algorithm with Newton's Method, in such a way as to take advantage of a global method's robustness and a local method's fastness. The choice of Newton's Method, allows the possibility of using the information contained in the population of models of the Genetic Algorithm in the estimation of the form of the objective function. In the tests with several norms, the Hybrid Algorithm has obtained a better adjustment than the Genetic Algorithm as well as case with data containing noise. When used with a reduced population of models, the Hybrid Algorithm has shown itself to be more efficient than the Genetic Algorithm, thus suggesting that it can obtain the same result with a reduced population of models and, as a consequence, reduced computational time, which is critical in seismic inversion.