基于微遗传算法的中心试验设计多目标药物合成优化-分析

基于微遗传算法的中心试验设计多目标药物合成优化-分析

ID:34069217

大小:1.74 MB

页数:42页

时间:2019-03-03

基于微遗传算法的中心试验设计多目标药物合成优化-分析_第1页
基于微遗传算法的中心试验设计多目标药物合成优化-分析_第2页
基于微遗传算法的中心试验设计多目标药物合成优化-分析_第3页
基于微遗传算法的中心试验设计多目标药物合成优化-分析_第4页
基于微遗传算法的中心试验设计多目标药物合成优化-分析_第5页
资源描述:

《基于微遗传算法的中心试验设计多目标药物合成优化-分析》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、山西医科大学硕士学位论文基于微遗传算法的中心试验设计多目标药物合成优化分析中文摘要在生物医药领域中存在大量的多目标优化问题,如药物合成过程中成分最优配比、药物有效成分最优提取条件确定、公共卫生资源的最优分配等问题,我们将之统称为决策分析。然而,要想从众多复杂、多变的实际问题中寻找到一个最优解或一组最优解集方案,就需要通过科学地试验设计,从试验域(试验影响因素的取值区域)中抽取合理的试验点,科学地安排试验,通过对试验数据的统计分析获得试验评价指标的最优条件,以达到优质、高产和低消耗的目的。正如Atkinson与Donev在其著作{O

2、ptimumExperimentalDesigns}中提到:“一个精心设计的试验是认识世界的有效方法。”在多因素、多水平的试验研究中,析因设计是指各因素不同水平完全交叉分组的一种试验方法,属全面试验,是一种基于方差分析模型的设计。它不仅可以检验每一因素各水平间的效应差异,也可以检验各因素之间的各级交互作用。然而,当因素数、水平数较多时,试验的次数会急剧增加,这在实际研究中往往是难以实现的。因此,从全面试验中挑取出部分有代表性的点(实验组合)进行试验的部分因子试验孕育而生。如20世纪50年代,日本著名统计学家F只口玄一提出了『F交试

3、验设计,以及同时期出现的拟合二阶响应曲面的试验设计方法一中心试验设计。中心试验设计以其科学、高效的试验设计布点,从实验区域中选取最具代表性的试验点,用较少的试验次数可以快速找到目标优化的试验因素组合。然而试验所得的结果由于前期因素水平选取限制,只能给出目标较优时各因素的水平,若要找到目标最优时各个试验因素的确切水平,就需要进行多目标寻优的过程控制。传统的多目标优化(如加权法、等高线图法等)通常是将各目标转为一个或一系列单目标进行分析,优化过程存在较大的主观性和局部最优问题。新近发展起来的微遗传算法,在寻优过程中具有全局、高效的特点

4、,在多目标优化中可以避免传统优化过程中的不足,为此,本次研究利用课题组成员陈益开发的Matlab2009a外挂SGALAB工具箱(beta5.0),对微遗传算法在复杂多维解空间最优解进行了程序测试,并在中心试验设计条件下进行多目标药物合成最优条件的搜索,比较微遗传算法与传统优化方法的优化效果。研究的主要内容有:第一部分中心试验设计和多目标微遗传算法原理的概述。中心试验设计是一类适合于因素和水平数较多情况下的设计方法,中心复合设计主要用于五水平多因素试验,Box—Behnken设计用于三水平的多因素试验;微遗传算法是一类基于小种群的

5、重新初始化,即通过较小的种群达到收敛,优化过程使用了三类精英,保持了科t群的多样性和解集非劣性。第二二部分各种中心试验设计如中心复合没计(包括外。剀中心复合设计(CCC)、内切中心复合设计(CCI)以及面心立方设计(CCF))和Box—Behl3kel3没计(BBD)的适用范山谣医科大学硕士毕业论文围及特点比较。第三部分对微遗传算法进行多维解的程序测试。利用两个目标的复杂测试函数对微遗传算法的程序进行测试,结果显示:micro-GA进行多目标优化效果理想、程序可行,可用于解决复杂多维解空间的问题。第四部分选用微遗传算法优化试验数据

6、,筛选出最优试验条件,对微遗传算法与传统多目标优化方法的优化效果进行比较。选用基于BBD设计的静脉注射克拉霉素乳剂产生的血管刺激作用优化数据和基于CCC设计的5一氟尿嘧啶肝动脉栓塞微球的制备工艺的优化数据进行优化分析,并与原文中优化方法的优化效果进行比较。采用微遗传算法(micro—GA)搜索基于BBI)设计的静脉注射克拉霉素乳剂的优化数据,搜索当评价指标粒径(11n1)达到最小、‘电位(mV)达到最大、CLA乳剂相分布率(%)达到最大时各试验因素的取值水平。经微遗传算法(micro—GA)搜索得到的影响因素即琥珀酸维生素E、泊洛

7、沙姆-188、0.1MNa0H最佳条件分别为:68.25%、0.52%、15.26%,评价指标粒径、‘电位、CLA乳剂相分布率分别为:135.75nm、33.67mV、98.12%。相比于原文中的满意度函数法:‘电位增加了2.43mV,提高了8.47%,CLA乳剂相分布率增加了O.8%,因而确定的试验条件更为理想,更可能满足试验者的要求。采用微遗传算法(micro—GA)搜索基于CCC设计的5一氟尿嘧啶肝动脉栓塞微球的优化数据,搜索当评价指标粒径在30/am以上的情况下,微球载药量、包封率均得到较大值情况下的各试验因素的取值水平。

8、经微遗传算法(micro—GA)搜索得到的影响因素即明胶浓度、乳化剂的用量、乳化转速最佳条件分别为:207.77mg.ml~、0.27mg.所7-‘、357,.·min~,评价指标微球载药量、包封率、粒径分别为:8.71%。77.09%、34.67

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。