AEA算法(Alopex-based Evolutionary Algorithm)是在基本Alopex算法(Algorithm of Pattern Extraction)的单点迭代的基础上,结合群智能进化算法后提出的,使得变量的行走更具灵活性和随机性。虽然AEA算法在寻优质量和速度等方面体现出了一定的优势,但是仍存在着一些不足。一方面,AEA算法对于步长的给定方式不尽合理。本文提出在搜索的前期和后期,步长的跨度应进行合理的变化,以满足在搜索前期算法倾向于在更大范围内进行随机搜索,而在搜索的后期算法倾向于在全局最优的周边进行确定性搜索,但仍具有一定的可能性跳出局部最优。另一方面,在AEA算法基础上,本文引入和声搜索算法的优势,即个体之间的交流得到加强且种群的多样性得到了提高,提出HSAEA算法,并且将HSAEA算法和AEA算法在一系列的低维和高维测试函数上进行了对比测试,对比测试的结果表明HSAEA算法显著地改进了AEA算法的性能,在收敛速度以及求解的质量方面均有改进。接着,将HSAEA算法应用于乙烯裂解炉裂解深度软测量建模,仿真结果表明HSAEA算法训练得到的神经网络模型很好地反映了裂解炉的实际操作工况,模型有效地提取了裂解炉各个操作变量和裂解深度的相互影响关系,模型精度较高。最后,应用HSAEA算法对化学反应动力学参数进行估计,和以往文献中的数据相比,获得的反应动力学模型可以给出更小的实验数据拟合误差。