变量相互作用的辨识在分治算法大规模黑盒优化中起着至关重要的作用。然而，现有的大部分分解方法对重叠问题的分解效率较低。这个缺点降低了现有方法的实用性。在本文中，我们提出了一种高效的单池分解框架(SPDF)。决策变量之间的相互作用是按顺序确定的。现有分解方法的不平衡分组效率可以得到明显的缓解。此外，我们发现将拓扑信息整合到分解过程中可以进一步提高分组效率。在许多现实问题中，这些信息可以是1维、2维或3维坐标，它们表示大尺度系统的几何结构。在此基础上，我们提出了一种基于拓扑的分解方法，我们称之为基于拓扑的单池差分分组(TSPDG)。在CEC ' 2010和CEC ' 2013大型基准套件以及生产优化的实际案例研究中，我们提出的方法的有效性得到了验证。

四个包含拓扑信息的可分解问题的交互结构

给定优化的渗透率分布和井位信息

文章链接：https://doi.org/10.1016/j.asoc.2020.106295