首页 > 文献资料
-
小生境遗传算法效果评价及程序测试
目的 评价小生境遗传算法（niched pareto genetic algorithm,NPGA）进行多目标优化的效果,测试其程序的可靠性.方法 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NPGA进行模拟测试,利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优.结果 NPGA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.NPGA可得到测试函数的Pareto非劣解集,供决策者合理选择.结论NPGA多目标优化可以给出合理的Pareto非劣解集,效果理想、程序可靠,可用于在实际问题的分析.
-
Logratio变换与偏小二乘法在多目标混料均匀设计药物处方配比优化中的应用
目的 研究logratio变换与偏小二乘法在多目标混料均匀设计药物处方配比优化中的应用.方法 对混料数据进行logratio变换之后,用偏小二乘法进行建模,再用小生境遗传算法进行多目标寻优.结果 小生境遗传算法所得相对优方案:保湿剂、含湿量、胶黏剂、赋型剂、温度和时间分别为36.61％、5.14％、52.51％、5.74％、69℃和8h,与原文献结果相比,评价指标为初粘力15.50cm、持粘力14.52s、载药量6.49rg、剥离度45.58s,分别增加了1.84cm、3.38s、1.25mg、6.48s.结论 将logratio变换和偏小二乘法结合应用于混料均匀设计所得试验数据的模型构建中,并采用多目标遗传算法获得佳配比和佳工艺条件,理论是可行且合理的.
关键词： 混料均匀设计 logratio变换 偏最小二乘法 小生境遗传算法 -
小生境遗传算法多目标优化金莲花的醇提工艺
目的:采用小生境遗传算法两目标优化金莲花的醇提工艺.方法:以乙醇体积分数、提取时间、提取次数、乙醇用量为考察因素,以出膏率和总黄酮含量为评价指标,采用正交试验并结合小生境遗传算法两目标优选金莲花的醇提工艺.结果:优的醇提工艺为乙醇体积分数为70.47％,提取时间为1.2 h,提取次数为3次,乙醇用量为生药量的11.46倍.在此条件下,金莲花醇提的出膏率、总黄酮质量分数分别为39.86％和11.49％.结论:所选工艺合理、可行,可用于金莲花的提取,表明小生境遗传算法可用于选择药材的提取条件.
