基于遺傳算法的含上下界約束混料試驗處方優(yōu)化研究.pdf

1、混料問題是工農(nóng)業(yè)生產(chǎn)、醫(yī)藥學領(lǐng)域及科學研究中經(jīng)常會遇到的一種配方配比問題?；炝鲜怯蓭追N成分按照一定的比例制作而成的一些物品,這些物品的某些特性往往與其各混料成分百分比有關(guān),而不是其絕對值。在醫(yī)藥學領(lǐng)域中,人們往往需要尋求藥物試驗的最優(yōu)處方,以使試驗指標在一定意義下達到最優(yōu)。如何安排混料試驗設(shè)計方案,構(gòu)建合理的數(shù)學模型,用什么方法優(yōu)化混料試驗,確定最佳配方配比,以達到提高試驗效率、增加產(chǎn)量、降低成本等目的,這都是混料試驗中需要解決的難題。

2、
　　 對于含上、下界約束的混料試驗設(shè)計問題,國內(nèi)外學者根據(jù)最優(yōu)設(shè)計的原理提出了極端頂點混料設(shè)計、D-最優(yōu)混料設(shè)計等。針對這類混料試驗的單目標優(yōu)化問題,傳統(tǒng)優(yōu)化方法常采用直接法、等高線圖法等,但這些方法在一定程度存在極大的主觀性或局部最優(yōu)等問題。基于以上這些情況,我們需要尋求一種適用于含上、下界約束混料試驗的全局優(yōu)化的方法,而近幾年來新發(fā)展的遺傳算法(genetic algorithm,GA)是模擬生物自然進化過程的一種隨機優(yōu)化

3、搜索方法,該方法在解決全局最優(yōu)化問題時,顯示了其突出優(yōu)勢。該方法的搜索效率很高,穩(wěn)健性好,搜索過程可以有效地避免局部優(yōu)化。
　　 本課題在研究極端頂點混料設(shè)計、D-最優(yōu)混料設(shè)計以及含混料約束遺傳算法的原理、方法的基礎(chǔ)上,利用Genetic algorithm platforms v1.0軟件,探索遺傳算法在單目標藥物混料試驗處方優(yōu)化中的應(yīng)用。本課題主要研究內(nèi)容有:
　　 第一部分含上、下界約束混料試驗的概述。介紹了混料試

4、驗的概念,適用于含上、下界約束混料試驗中的極端頂點混料設(shè)計、D-最優(yōu)混料設(shè)計的原理、方法及適用范圍。
　　 第二部分含混料約束遺傳算法的概述。介紹了含混料約束遺傳算法的原理,隨機優(yōu)化搜索步驟,及與其他傳統(tǒng)單目標優(yōu)化方法比較的突出優(yōu)勢之處。
　　 第三部分遺傳算法優(yōu)化含上、下界約束混料試驗處方的效果評價。采用混料測試函數(shù)對單目標遺傳算法進行模擬測試。結(jié)果顯示:在自變量取值范圍內(nèi),遺傳算法可以得到與等高線圖法基本一致的最優(yōu)解

5、;求導法得到的最優(yōu)解超出了測試函數(shù)的自變量取值范圍,其最優(yōu)解不具有實際意義;等高線圖法確定最優(yōu)解時存在一定的主觀性。遺傳算法可以得到滿足函數(shù)約束條件的最優(yōu)解,且提供了多個精確的可供選擇的自變量組合,搜索結(jié)果穩(wěn)定,說明該方法優(yōu)化單目標混料試驗效果理想,可用于實際混料問題的優(yōu)化。
　　 第四部分基于遺傳算法的混料試驗處方優(yōu)化的探索性研究。選用基于極端頂點混料設(shè)計和D-最優(yōu)混料設(shè)計的混料試驗處方優(yōu)化的數(shù)據(jù),采用遺傳算法對其優(yōu)化,并與原

6、文中傳統(tǒng)方法優(yōu)化的結(jié)果進行比較。
　　 柿子葉提取物的自微乳化釋藥系統(tǒng)最優(yōu)處方的研究中,采用了極端頂點混料設(shè)計安排試驗方案,并采用遺傳算法對其優(yōu)化分析,大約在進化30代以后,搜索結(jié)果趨于穩(wěn)定。得出自微乳化釋藥系統(tǒng)的三種成分油、表面活性劑、助表面活性劑所占的比例分別為33.0％、10.0％、57.0％時,評價指標目標函數(shù)值達到最大為0.9558,并進一步得到自微乳傳遞系統(tǒng)中總黃酮類化合物的溶解度為49.12mg/g,比等高線圖法求

7、得的值增大1.32mg/g;納米乳劑的液滴大小為22.92nm,比等高線圖法求得的值減小2.02 nm,更接近處方優(yōu)化的最優(yōu)值。
　　 對金黃色葡萄球菌有抑制作用的抗菌劑最優(yōu)處方的研究中,采用了D-最優(yōu)混料設(shè)計安排試驗方案,并采用遺傳算法對其優(yōu)化分析,大約在10代以后,搜索結(jié)果趨于穩(wěn)定。得出抗菌劑的三種配方天然抑菌劑、殼聚糖、迷迭香提取物的比例分別為13.7％、60.9％、25.4％時,試驗評價指標對金黃色葡萄球菌的抑菌率達到最