为探究饱和场地内部空洞的分布特征,传统局部线性优化算法已被广泛用于反演问题。然而,反演问题常面临非线性和多解性等固有挑战。为此,引入一种全局非线性优化算法——基于量子计算与多策略增强的麻雀搜索算法(sparrow search algorithm based on quantum computations and multi-strategy enhancement, QMESSA),以实现高效、精确的参数优化。该算法避免了反演对初始模型较强的依赖性,通过构造自适应T分布增加种群突变概率,有效避免局部最优,加强了种群的全局寻优能力和局部精细搜索能力。正演过程采用间接边界元法(indirect boundary element method, IBEM),该方法有效降低计算维度,同时显著提升了计算效率和精度。以饱和半空间中的圆形、椭圆形和哑铃形空洞为例,验证了QMESSA与IBEM结合用于反演的有效性和稳定性。结果表明,QMESSA能够快速、准确地反演空洞的位置与尺度,且各参数的反演结果精度较高。此外,该算法的全局搜索能力在一定程度上弥补了先验信息不足的限制,展现出在饱和场地空洞反演中的良好应用潜力。