近日，我院耿志强教授、韩永明教授团队的研究论文《Adaptive small-family population-guided swarm intelligence optimization algorithm》在 CCF A类和T1类顶级期刊《Science China Information Sciences》（《中国科学：信息科学（英文版）》）正式发表。论文第一作者为信息科学与技术学院王欣天博士，通讯作者为耿志强教授和韩永明教授，北京化工大学为第一完成单位，哈佛大学医学院为合作单位。该研究得到了国家自然科学基金、新疆维吾尔自治区重点研发计划等项目的资助。
乙烯是石化产业核心原料，乙烯裂解炉作为生产核心装置，其运行优化对产业发展至关重要。针对现有元启发式优化算法易陷局部最优、探索与开发能力失衡，且群智能优化算法性能不稳定的问题，研究团队提出自适应小家族种群引导的群智能优化算法（ASPSIOA）。该算法创新采用双阶段搜索策略，先分小家族子群完成全局探索，再引导个体向全局最优解精准开发，结合自然对数更新规则实现因子自适应调节，平衡全局探索与局部开发。经多个标准基准函数、半真实工程问题测试，并与智能优化算法对比，ASPSIOA在收敛速度、求解精度和稳定性上优势显著，统计学检验亦证实其优越性。将该算法应用于工业乙烯裂解炉优化，设计出最优周期性出口温度调控策略，有效缓解炉管结焦问题，实现了乙烯收率的有效提升，为石化企业运营提供实用技术方案。研究的核心创新在于融合小家族种群结构与双阶段策略、设计自适应权重调节机制、验证算法工业实际应用价值三大方面。
《Science China Information Sciences》是中国科学院主管主办的国际顶尖英文学术期刊，为CCF A类核心期刊，也是也是计算机学会推荐高质量T1期刊，稳居JCR Q1区，影响因子持续攀升。期刊被SCI、EI、SCOPUS等国际权威数据库收录，谷歌学术人工智能领域影响力排名前列。其编委团队由全球信息科学顶尖专家组成，聚焦原创性基础理论与重大工程应用突破。期刊与Springer Nature深度合作，全球传播广泛，吸引了国际顶尖高校及知名企业的高水平投稿，论文引用率与学术影响力在全球同类期刊中领先，是信息科学领域重要的成果发布与交流平台。
本次研究成果在该期刊的发表，彰显了团队在算法创新与工程应用结合方面的扎实功底与突出能力。未来，研究团队将进一步拓展算法的多目标优化能力，结合数字孪生技术构建更完善的工业过程能耗模型，推动智能优化算法在光伏发电、催化裂化等更多工业领域的落地应用，为流程工业的高效、智能运行提供更多技术支撑。