bp神经网络结合遗传算法用于提取工艺的多目标优化 - read.doc

BP神经网络结合遗传算法用于提取工艺的多目标优化 杨 铭1 汪文娟2 （1.上海中医药大学附属龙华医院药剂科，2. 上海中医药大学中药教研室, 上海 200032） [摘要] 目的：使用BP神经网络结合遗传算法用于提取工艺的多目标优化。方法：通过实例，采用均匀试验设计优化BP人工神经网络（ANN）模型参数，并建立网络模型，再利用遗传算法（GA）对网络进行多目标寻优，并获得最佳提取工艺。结果：BP神经网络结合遗传算法用于提取工艺的多目标优化，模型拟和度和预测性均要高于文献采用的多元回归。结论：BP神经网络结合遗传算法可用于提取工艺的多目标优化。 [关键词]：人工神经网络（ANN）；遗传算法（GA）；多目标优化；MATLAB Back-Propagation Neural Network and Genetic Algorithm for Multi-Objective Optimization of Extraction Process Yang Ming1 WangWenJuan2 (1.Medicament Department Of Longhua Hospital Affiliated to Shanghai univesity of TCM, 2. The traditional Chinese medicine of institute of Shanghai univesity of TCM, Shanghai 200032) Abstract: Object:To introduce Back-Propagation Neural Network and Genetic Algorithm for Multi-Objective Optimization of Extraction Process. Methods:BP neural network was established and optimized with uniform design. Genetic algorithm were used for Multi-Objective Optimization to obtain optimum process. Results:With Back-Propagation Neural Network and Genetic Algorithm for Multi-Objective Optimization of Extraction Process,the analog and prediction are better than the multiple regression. Conclusion: Back-Propagation Neural Network and Genetic Algorithm for Multi-Objective Optimization of Extraction Process is advisable. Key words: Artifical Neural Network;Genetic Algorithm; Multi-Objective Optimization; MATLAB 近年来，国内中药研究人员注意吸收现代的新技术和方法，并将其应用到中药制剂的制备和生产中。尤其是中药提取新工艺对提高中药制剂质量，加快新药开发起着至关重要的作用，因此运用高新技术发展现代中药，是提高中药市场竞争力、中药现代化的重要途径，然而这些新工艺新技术在应用过程中无疑要涉及到优化问题，由于影响的因素通常不止一个，所以设计的方案也是多因素的，目前较常用的有正交设计、均匀设计、中心复合设计等，然后再用多元回归来拟和这些试验所得的数据（连续型数据），在优化过程中通常采用的是线性或非线性规划，但是中药的成分比较复杂，需要考察的指标有很多，在多目标优化方法中目前较常用的是网格法[1]。 但是，由于现实系统的复杂性，数据间常存在非常复杂的非线性关系，这使得回归法使用起来非常不便。人工神经网络（ANN）系统从20世纪40年代末诞生至今仅短短半个多世纪，但由于它具有信息的分布存储、并行处理以及自学习能力等优点，已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。尤其是基于误差反向传播算法的多层前馈网络（简称BP网络)，可以以任意精度逼近任意的连续函数，所以广泛应用于非线性建模[2]。由于神经网络模型是通过神经元间的连接权值与阈值来实现的，在解决最优化问题时，根本无法用传统的优化方法来实现。遗传算法（GA）是一种基于自然选择和基因遗传学原理的优化搜索方法。它将“优胜劣汰，适者生存”的生物进化原理引入待优化参数形成的编码串群体中，按照一定的适配值函数及一系列遗