学位论文 > 优秀研究生学位论文题录展示

基于遗传算法的含上下界约束混料试验处方优化研究

作　者: 刘春艳
导　师: 仇丽霞
学　校: 山西医科大学
专　业: 公共卫生
关键词: 上下界约束混料试验单目标优化遗传算法处方优化
分类号: TP18
类　型: 硕士论文
年　份: 2013年
下　载: 21次
引　用: 0次
阅　读: 论文下载

内容摘要

混料问题是工农业生产、医药学领域及科学研究中经常会遇到的一种配方配比问题。混料是由几种成分按照一定的比例制作而成的一些物品,这些物品的某些特性往往与其各混料成分百分比有关,而不是其绝对值。在医药学领域中,人们往往需要寻求药物试验的最优处方,以使试验指标在一定意义下达到最优。如何安排混料试验设计方案,构建合理的数学模型,用什么方法优化混料试验,确定最佳配方配比,以达到提高试验效率、增加产量、降低成本等目的,这都是混料试验中需要解决的难题。对于含上、下界约束的混料试验设计问题,国内外学者根据最优设计的原理提出了极端顶点混料设计、D-最优混料设计等。针对这类混料试验的单目标优化问题,传统优化方法常采用直接法、等高线图法等,但这些方法在一定程度存在极大的主观性或局部最优等问题。基于以上这些情况,我们需要寻求一种适用于含上、下界约束混料试验的全局优化的方法,而近几年来新发展的遗传算法(genetic algorithm, GA)是模拟生物自然进化过程的一种随机优化搜索方法,该方法在解决全局最优化问题时,显示了其突出优势。该方法的搜索效率很高,稳健性好,搜索过程可以有效地避免局部优化。本课题在研究极端顶点混料设计、D-最优混料设计以及含混料约束遗传算法的原理、方法的基础上,利用Genetic algorithm platforms v1.0软件,探索遗传算法在单目标药物混料试验处方优化中的应用。本课题主要研究内容有：第一部分含上、下界约束混料试验的概述。介绍了混料试验的概念,适用于含上、下界约束混料试验中的极端顶点混料设计、D-最优混料设计的原理、方法及适用范围。第二部分含混料约束遗传算法的概述。介绍了含混料约束遗传算法的原理,随机优化搜索步骤,及与其他传统单目标优化方法比较的突出优势之处。第三部分遗传算法优化含上、下界约束混料试验处方的效果评价。采用混料测试函数对单目标遗传算法进行模拟测试。结果显示：在自变量取值范围内,遗传算法可以得到与等高线图法基本一致的最优解；求导法得到的最优解超出了测试函数的自变量取值范围,其最优解不具有实际意义；等高线图法确定最优解时存在一定的主观性。遗传算法可以得到满足函数约束条件的最优解,且提供了多个精确的可供选择的自变量组合,搜索结果稳定,说明该方法优化单目标混料试验效果理想,可用于实际混料问题的优化。第四部分基于遗传算法的混料试验处方优化的探索性研究。选用基于极端顶点混料设计和D-最优混料设计的混料试验处方优化的数据,采用遗传算法对其优化,并与原文中传统方法优化的结果进行比较。柿子叶提取物的自微乳化释药系统最优处方的研究中,采用了极端顶点混料设计安排试验方案,并采用遗传算法对其优化分析,大约在进化30代以后,搜索结果趋于稳定。得出自微乳化释药系统的三种成分油、表面活性剂、助表面活性剂所占的比例分别为33.0%、10.0%、57.0%时,评价指标目标函数值达到最大为0.9558,并进一步得到自微乳传递系统中总黄酮类化合物的溶解度为49.12mg/g,比等高线图法求得的值增大1.32mg/g；纳米乳剂的液滴大小为22.92nm,比等高线图法求得的值减小2.02nm,更接近处方优化的最优值。对金黄色葡萄球菌有抑制作用的抗菌剂最优处方的研究中,采用了D-最优混料设计安排试验方案,并采用遗传算法对其优化分析,大约在10代以后,搜索结果趋于稳定。得出抗菌剂的三种配方天然抑菌剂、壳聚糖、迷迭香提取物的比例分别为13.7%、60.9%、25.4%时,试验评价指标对金黄色葡萄球菌的抑菌率达到最大为81.768%,优于原文中等高线图法得到的结果。综上所述,单目标遗传算法在优化含上、下界约束混料试验处方问题中,方法可行,搜索效果理想,对于解决实际含上、下界约束混料试验的优化问题具有一定应用价值。

全文目录

中文摘要  6-8
英文摘要  8-12
前言  12-16
第一章含上、下界约束混料试验  16-24
  1.1 混料试验的概念  16
  1.2 含上、下界约束的混料试验  16-24
    1.2.1 适用于含上、下界约束混料试验的设计方法  17-22
    1.2.2 含上、下界约束混料试验回归模型的建立  22-24
第二章含混料约束的遗传算法  24-31
  2.1 遗传算法的概述  25-26
  2.2 含混料约束遗传算法的基本步骤  26-31
    2.2.1 初始化  27-28
    2.2.2 评价  28
    2.2.3 编码问题  28
    2.2.4 选择  28-29
    2.2.5 交叉(基因重组)  29-30
    2.2.6 变异  30-31
第三章遗传算法优化含上下界约束混料试验的效果评价  31-38
  3.1 混料测试函数  31
  3.2 优化方法  31-32
    3.2.1 求导法  31
    3.2.2 等高图法  31
    3.2.3 单目标遗传算法  31-32
  3.3 结果与分析  32-37
    3.3.1 求导法  32
    3.3.2 等高线图法  32-33
    3.3.3 遗传算法  33-37
  3.4 三种方法效果比较  37
  3.5 小结  37-38
第四章基于遗传算法的含上下界约束混料试验处方优化的探索性研究  38-54
  4.1 极端顶点设计混料试验处方优化应用实例  38-46
    4.1.1 资料与方法  38-41
    4.1.2 结果分析  41-45
    4.1.3 优化效果比较  45-46
  4.2 D-最优混料设计试验处方优化应用实例  46-53
    4.2.1 资料与方法  46-48
    4.2.2 结果分析  48-52
    4.2.3 优化效果比较  52-53
  4.3 小结  53-54
第五章结论与讨论  54-57
  5.1 结论  54-55
  5.2 讨论  55
  5.3 下一步工作  55-57
参考文献  57-61
综述  61-69
  参考文献  66-69
攻读学位期间发表论文情况  69-70
致谢  70-72
个人简介  72

基于遗传算法的含上下界约束混料试验处方优化研究

内容摘要

全文目录

相似论文