基于微遗传算法的多目标药物提取条件优化分析

论文摘要

医药学研究领域中存在大量的多目标优化,如诊断试验最优决策界值、公共卫生资源的最优分配、药物有效成分最优提取条件确定等。多目标优化问题是寻找一组既满足约束条件又使总目标函数最优化的决策变量的取值。多目标优化通过对各子目标的折衷处理,寻找一组可选的、非受控的、最佳解决方案集,称为Pareto最优解集。传统方法采用直接法、等高图法、最速下降法、列举法等,存在较大的主观性或者局部最优。实际应用中,决策者往往希望提供不止一种的选择方案。而传统方法常将多目标问题转化为一个或一系列的单目标优化问题来完成,也存在着较大的主观性。往往是在某一个目标上最优,而在另一个目标上可能是最差的,不能保证所有目标都存在最优解,且它们只能提供唯一解,这也是困扰运筹学界一个有待攻关的问题。近年发展起来的遗传算法（genetic algorithm, GA）是模拟生物自然进化过程的随机优化搜索方法,具有稳健、高效、无需求导、高度并行、原理简单易于操作等特点。对于多维搜素空间,使用传统的遗传算法需要很大的初始种群和多代进化才能达到或接近最优解。这要耗费大量的计算资源和计算时间。微遗传算法可以克服这些问题。本课题在介绍微遗传算法原理和方法的基础上,利用英国Glasgow大学软件工程师陈益开发的Matlab外挂SGALAB工具箱,研究医药学研究领域中多目标药物提取条件优化。本课题的研究内容主要有：第一部分微遗传算法效果分析和程序测试。应用两目标简单测试函数、复杂测试函数、三目标测试函数对微遗传算法进行模拟测试。结果显示：微遗传算法得到的两目标简单测试函数Pareto非劣解集的95%可信区间包含交叉点值,前沿呈一条光滑的曲线分布；两目标复杂测试函数Pareto非劣解前沿呈带状分布；三目标测试函数的Pareto非劣解前沿呈非线性、非对称的曲面分布。微遗传算法可得到测试函数合理的Pareto非劣解集,供决策者合理选择。微遗传算法多目标优化效果理想、程序可靠,可用于在实际问题的分析。第二部分使用微遗传算法对药物有效成分提取工艺的资料寻优,确定多目标最优提取条件,并与传统方法进行优化效果比较。本章使用微遗传算法对微波萃取五味子提取工艺的资料,进行浸膏得率（%）、五味子醇甲含量（%）、五味子总木脂素含量（%）三个相互竞争的多目标优化。结果显示：多目标微遗传算法的五味子醇甲、五味子总木脂素都达到了单目标微遗传算法最大目标函数值的88%以上,确定的最优提取条件的效果高于试验中任何一个方案。VEGA和Micro-GA搜索的结果大于均匀试验设计的结果,较满意。VEGA初始种群为30,而Micro-GA所需初始种群为6,节省了计算资源和计算时间。因此,对于多个相互竞争的优化问题,可以采用Micro-GA。三目标Micro-GA搜索的最优提取条件为,50克五味子饮片粉碎76目,加入11倍的86%乙醇,在192W微波下萃取11分钟,浸膏得率23.59%、五味子醇甲4.88%、五味子总木脂素10.22%。使用微遗传算法对珍珠菜有效成分提取工艺的资料,进行总黄酮含量（%）、总皂苷含量（%）两个相互矛盾的多目标优化。结果显示：多目标微遗传算法的总黄酮含量、总皂苷含量都达到了单目标微遗传算法最大目标函数值的99%以上,确定的最优提取条件的效果高于试验中任何一个方案。VEGA和Micro-GA搜索的结果大于均匀试验设计的结果,较满意。VEGA初始种群为30,而微遗传算法所需初始种群为6,节省了计算资源和计算时间。因此,对于两个相互矛盾的优化问题,可以采用微遗传算法。两目标微遗传算法搜索的最优提取条件为,79.90%乙醇8.77倍用量,提取1.02次,总黄酮含量为10.44%,总皂苷含量为25.61%。第三部分基于遗传算法的金莲花有效成分最优提取条件确定。本章利用金莲花有效成分提取工艺的资料,研究出膏率（%）、总黄酮含量（%）两个相互竞争的多目标优化,结果显示：水提取金莲花工艺,多目标微遗传算法搜索出的的出膏率、总黄酮含量都达到了单目标微遗传算法最大目标函数值的99%以上,确定的最优提取条件的效果高于试验中任何一个方案,若以两目标微遗传算法5号方案看,用13.73倍水,浸泡0.52h,煎煮1.84h,煎煮3次,出膏率可达到43.16%,总黄酮含量可达到6.94%；醇提取金莲花工艺,多目标微遗传算法搜索出的的出膏率、总黄酮含量都达到了单目标微遗传算法最大目标函数值的99%以上,确定的最优提取条件的效果高于试验中任何一个方案,若以两目标微遗传算法19号方案看,用11.95倍73.11%的乙醇提取1.49h,提取3次,出膏率可达到42.84%,总黄酮含量可达到12.36%。根据micro-GA搜索的水提和醇提取条件,结合试验的便利性,将水提取工艺调整为：14倍加水量、浸泡时间0.5小时、煎煮时间2小时、煎煮次数3次；将醇提取工艺调整为：70%乙醇浓度、提取时间1.5小时、提取次数3次、12倍溶媒量。重复进行两次试验,得水提取工艺的出膏率分别为45.247%和45.069%,总黄酮含量分别为7.518%和7.745%；乙醇提取工艺的出膏率分别为44.247%和44.325%,总黄酮含量分别为15.032%和14.090%。由micro-GA搜索提供的水提和醇提条件进行的回代试验结果要优于正交试验的任意一次试验。微遗传算法通过对测试函数的测试可知该方法理论上可靠,程序可行；在实例应用中的探索性研究表明微遗传算法可搜索到合理的Pareto非劣解集——最优提取条件,具有实际应用的价值；对试验的回代验证表明微遗传算法搜索得到的最优提取条件是可靠的,效果理想。

论文目录

• 中文摘要
• Abstract
• 前言
• 一、研究意义
• 二、国内外研究现状
• 第一章 多目标微遗传算法概述
• 1.1 微遗传算法的概念
• 1.2 方法描述
• 第二章 微遗传算法效果评价及程序测试
• 2.1 测试方法
• 2.1.1 测试函数
• 2.1.2 微遗传算法参数设置
• 2.1.3 微遗传算法性能评价
• 2.1.4 软件及统计分析
• 2.2 测试结果
• 2.2.1 micro-GA求解两目标简单测试函数的Pareto非劣解集
• 2.2.2 micro-GA求解两目标复杂测试函数的Pareto非劣解集
• 2.2.3 micro-GA求解三目标测试函数的Pareto非劣解集
• 2.3 小结与讨论
• 第三章 微波萃取五味子及珍珠菜抗肿瘤有效成分提取工艺应用
• 3.1 资料及方法
• 3.1.1 资料
• 3.1.2 模型建立方法
• 3.1.3 单目标及多目标微遗传算法的参数设置
• 3.1.4 软件及统计分析方法
• 3.2 结果
• 3.2.1. 微波萃取五味子资料
• 3.2.2. 珍珠菜抗肿瘤有效成分提取资料
• 3.3 小结与讨论
• 第四章 金莲花提取总黄酮的试验研究
• 4.1 试验及方法
• 4.1.1 试验设计
• 4.1.2 模型建立方法
• 4.1.3 单目标及多目标遗传算法的参数设置
• 4.1.4 软件及统计分析方法
• 4.2 结果
• 4.2.1. 微遗传算法搜索水提工艺最优提取条件
• 4.2.2. 微遗传算法搜索醇提工艺最优提取条件
• 4.2.3. 最优提取条件的回代验证
• 4.3 小结与讨论
• 第五章 结论与讨论
• 参考文献
• 综述 基于微遗传算法的多目标优化
• 个人简介
• 致谢