大规模优化问题出现在各个领域。 将大规模问题分解为与变量交互有关的小规模子问题并进行协作优化是优化算法中的关键步骤。 为了探索变量交互并执行问题分解任务，我们开发了两阶段的变量交互重建算法。 提出了一种学习模型，以探索部分可变相互作用作为先验知识。 提出了一种边缘化降噪模型，以使用先验知识构造整体变量交互作用，利用该知识将问题分解为小规模模块。 为了优化子问题并缓解过早收敛，我们提出了一种协作式分层粒子群优化框架，在该框架中，设计了应急领导，交互认知和自我导向开发的算子。 最后，我们进行理论分析