基于遗传神经网络的水解米渣制备小肽工艺优化.pdfVIP

200，·№，。 《搏C；：RE铷ALF饲EED料IND·USTORY 基于遗传神经网络的水解米渣制备小肽工艺优化 舒服华1，肖伯慈2 (1．武汉理工大学，湖北武汉430074；．2华中科技大学，湖北武汉430074) 摘要：提出了一种神经网络与遗传算法相结合的水解米渣制备小肽工艺参数优化方法。以试验数据为样本．通过神经网络 建立水解工艺参敷与水解度关系之问的复杂模型，利用遗传算法对酶解工艺参数进行优化，充分发挥神经网络的非线性映射 能力和遗传算法奎局寻优能力。仿真实验显示了方法的有效一眭和优越性。 关键词：术解米渣；小肽；工艺参敷：神经网络；遗传算法 中图分类号：TGl3：TS210．9文献标识码：A 文章编号：1003—6202(2007)10—0023—03 米渣蛋白是发酵工业生产中的副产物，干基蛋白质含量 解…。 在50％以上，属于优质谷物蛋白，有良好的氨基酸组成配比， BP—GA型求解优化问题的数学模型可表示为 是一种安全、环保、经济的动物饲料。在饲养业中，一般多将 maxf(y1．扎．…，y。) 米渣干燥后直接用于投喂动物，因其蛋白质分子量大．难消 y=BP(X) 化，且适口性差。利用酶法水解技术对米渣进行处理．能有 Y=[y1，扎，…．n，…，儿]7 效降解饲料中的大分子蛋白质，从中提取功能性小肽，提高 X=h，鼍，…，t，…，扎]7 动物对蛋白质的利用率和消化率、而且还可满足动物特殊的 式中，气为BP网络的输入；yj为BP网络的输出．，为非 生理功能需要…。然而，酶法水解米渣解制备小肽工艺复 线性优化指标综合评价函数。 杂，工艺参数对小肽的产量和质量影响较大。因此，寻求最 具体过程为：对建立好的系统模型随机产生多组输入向 佳工艺参数是酶法水解米渣制备小肽技术的关键。目前，酶 量盖(输入向量J的各分量必须在各自值域内)，通过BP网 法水解米渣制备小肽工艺参数的优化主要靠实验手段…。 络求得相应的输出向量y，再由评价函数，计算出各个输出 用这种方法优化获得的工艺参数精度取决于实验的数量和 向量y的目标适应度，利用GA算法，通过适应度值重新凋 水平，若要得到高精度的工艺参数，则需增加实验的次数和 整输入向量．：r，调整方法为遗传操作：选择、交叉、变异等，在 提高实验的水平。一般来说，优化结果精度不高，且操作繁 给定的综合评价函数的指导下(通过适应度值选择个体)产 琐，时间周期长．难以满足实际生产的需要。近年来，随着人 生种群，新产生的输人向量x较之旧值具有更好的适应性。 工神经网络(ANN)技术的成熟和完善以及优化设计理论与 通过遗传计箅后。可得到具有最优或次优的优化目标Y．相 算法的进步和发展，为水解米渣制备小肽工艺参数的控制和 应的工也即为此目标的优化结果。这种优化方法可以很好 决策开辟了途径。本研究利用神经网络的非线性映射特征 解决输入输出关系不明确滩以建立精确模型的函数的优化 和遗传算法(GA)的并行、随机、自适应特性，将神经网络与 问题，具有很强的自适应性和鲁棒性。由于是在解域空同内 遗传算法有机结合优化酶法水解米渣制备小肽工艺参数，取 采用的全局最优搜索，参数优化结果有更高的可靠性。 得了较好的效果。 1．2 BP神经网络 人工神经网络是由大量的非线性处理单元广泛连接而 1遗传神经网络优化模型 成的复杂网络，有多种模型结构，各有特点和用途。目前应 1．1基本原理 用最广、最成熟的是一种采用误差反向传播算法的前馈多层 神经网络和遗传算法技术相结