CN107016240B - 基于趋势平衡遗传算法的中药材勾兑优化方法 - Google Patents
基于趋势平衡遗传算法的中药材勾兑优化方法 Download PDFInfo
- Publication number
- CN107016240B CN107016240B CN201710216409.0A CN201710216409A CN107016240B CN 107016240 B CN107016240 B CN 107016240B CN 201710216409 A CN201710216409 A CN 201710216409A CN 107016240 B CN107016240 B CN 107016240B
- Authority
- CN
- China
- Prior art keywords
- trend
- blending
- genetic algorithm
- traditional chinese
- operator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G06F19/3456—
Abstract
一种基于趋势平衡遗传算法的中药材勾兑优化方法,步骤为,使用色谱仪检测出各批中药材有效成份的含量;将各批中药材的成份含量数据,通过图谱分析软件转换为成份含量矩阵,并加载该矩阵到内存中;设定勾兑参数;勾兑问题的数学模型;利用改进的趋势平衡遗传算法进行勾兑优化,生成的最佳方案可用以指导药材加工或作为勾兑仪进行中药材勾兑的依据。本发明中对传统遗传算法进行的全新改进,提出一种趋势平衡的遗传算法用于中药材勾兑优化。实际应用证实,改进后的遗传算法具有较高准确性、精度和效率,并在准确性、精度和效率方面均优于传统遗传算法和非线性最小二乘法,从而确保中药材成份含量的稳定,保障中药质量。
Description
技术领域
本发明涉及一种能够对中药材利用计算机进行全自动勾兑优化计算出勾兑优化方案的基于趋势平衡遗传算法的中药材勾兑优化方法。
背景技术
中药源自中国,是中华名族几千年来用于预防和治疗疾病以及调节人体机能的物质基础。其组成多为植物、动物、矿物等成份。中药主要分为中成药和中药材。中成药通常为多种中药材的提取加工产物,具有方便服用、易于携带、方便运输、易于存储的特点。因而,中成药受到广大患者的喜爱。中药质量一直是广大患者关心的问题。然而,不同批次和产地的中药材其成份含量均有所差别。为保障中药治病强身的功效,确保中药中各种有效成份含量的达标和稳定就显得尤为重要。因而,中药材质量控制,即确保中药材中各成份含量的稳定,是中药制造企业的一项重要任务,也是中药迈出国门走向世界的前提条件。为了保证中药材中各成份含量的稳定,经生产实践证实,通过对各批中药材进行混合勾兑能对保证中药质量起到关键作用。传统的中药材勾兑,需要依赖人工计算勾兑方案,其过程费时、费力,而且还可能不够准确。因而,近年来,有关研究者提出采用计算机进行自动勾兑优化,典型的自动勾兑优化方法有遗传算法、非线性最小二乘法等,但它们计算准确性偏低。
发明内容
本发明的目的就是提供一种不限定中药批次和成份数量的高效、准确、可靠、低成本的,能够确保中药材勾兑后各成份含量稳定的基于趋势平衡遗传算法的全自动智能勾兑优化方法。
本发明的基于趋势平衡遗传算法的中药材勾兑优化方法,包括以下步骤:
1、使用色谱仪检测出各批中药材有效成份的含量。
2、将各批中药材的成份含量数据,即每批中药材的成份含量值,通过图谱分析软件转换为成份含量矩阵,并加载该矩阵到内存中。
3、设定勾兑参数,即设定勾兑允许的最大平均偏差,优选是10%以内。
4、勾兑问题的数学模型如下:
勾兑优化问题的本质是一种有约束的多变量优化问题,其计算模型如公式(1)和(2)所示,其中公式(2)为公式(1)的符号表示,
AX=B (2)
5、利用改进的趋势平衡遗传算法进行勾兑优化,改进的遗传算法采用基因型和表现型一体的设计,即个体的基因型和表现型相同,改进的趋势平衡遗传算法进行勾兑优化的方法如下:
(2)设定最大迭代次数MAX_ITERATION_TIMES,设定最佳个体的平均偏移率为100%,即1.0;
(3)利用趋势交叉算子、趋势变异算子、趋势平衡算子和趋势选择算子反复迭代进行勾兑优化,反复迭代进行勾兑优化的方法如下:
(a)趋势交叉运算;
(b)趋势变异运算;
(c)趋势平衡运算;
(d)趋势选择运算;
(f)从趋势选择运算中计算出的新一代种群中找出最佳个体;
(g)若迭代次数未超过最大迭代次数MAX_ITERATION_TIMES,且当前最佳个体平均偏移率大于等于最大平均偏差的阈值,则重复上述(a)-(f)步,否则继续(h);
(h)生成并显示勾兑优化方案,包括各批中药材的最佳勾兑比例和勾兑后的平均偏差。
生成的最佳方案可用以指导药材加工或作为勾兑仪进行中药材勾兑的依据。
上述四种新的遗传算子计算方法,包括:趋势交叉算子、趋势变异算子、趋势平衡算子和趋势选择算子。
趋势交叉算子:趋势交叉算子利用如下原理实现个体间的相互学习和借鉴,从而搜索到最优解的过程,即最优解可能在优势个体与其他非优势个体的变化区间内。我们使得其他非优势个体向优势个体逼近,从而生成新的个体,新的个体生成方法如下:
(1)生成权系数a,其中a为[0,1]范围内的随机浮点数;
(2)计算权系数b,b=1-a;
趋势变异算子:趋势变异算子利用这样的原理搜索最优解,即最优解可能在优势个体的附近,为了在优势个体的附近搜索最优解,我们设计了两种变异算子,即正向变异算子和负向变异算子,利用这两种算子对父代个体进行变异,这两种算子定义如下:
(1)正向变异算子x′i=xi+(1-xi)×a,其中a为[0,1]范围内的随机浮点数;
(2)负向变异算子x′i=xi+(0-xi)×b,其中b为[0,1]范围内的随机浮点数;
上述算子中xi为父代个体分量,x′i为新个体分量。
趋势平衡算子:在通过趋势交叉和趋势变异运算后,勾兑优化问题的解可能更加接近最优解了,但此时解向量的各分量的和必须为1,即解向量必须满足约束条件趋势平衡算子就是为了保证解向量满足约束条件,对种群中的个体进行平衡调整的方法,该方法如下:
(2)若xi非最后一个分量,则调整xi=xi+dblIncrement×a,其中a为[0,1]范围内的随机浮点数,并计算dblIncrement=dblIncrement-dblIncrement×a;
(3)若xi为最后一个分量,则调整xi=xi+dblIncrement;
趋势选择算子:趋势选择算子的计算方法如下:
(1)趋势选择算子先对父代种群、交叉种群(由趋势交叉算子生成)和变异种群(由趋势变异算子生成)进行合并;
(3)采用快速排序或归并排序对种群中的个体依据其平均偏移量的大小进行从小到大的排序,并选择出平均偏移量最小的nPopSize个个体作为新一代种群,平均偏移量的计算公式为
本发明的基于趋势平衡遗传算法的中药材勾兑优化方法,与现有技术相比有如下优点:
1、本方法通过对遗传算法进行全新改进设计,其计算准确性显著提高,避免了以往遗传算法和非线性最小二乘法对多维优化问题计算准确性偏低的问题;
2、实际应用证实,全新改进设计的趋势平衡遗传算法中各遗传算子的计算效率较高,采用基因型和表现型一体设计,即使在高维情况下,仍然有较高的计算效率(6批中药材勾兑在1毫秒以内);
3、全新改进设计的趋势平衡遗传算法其精度较高,其勾兑比例可精确到千分之一,即0.001;
4、本方法操作简单、运行可靠,具有成本优势。
附图说明
图1为本发明的系统主程序流程图。
具体实施方式
一种基于趋势平衡遗传算法的中药材勾兑优化方法,以葛根饮片的勾兑为例介绍具体实施过程:
1、利用高效液相法(HPLC)检测各批葛根饮片的有效成份的含量,包括:葛根素和大豆苷;
2、利用指纹图谱分析软件将葛根饮片中各有效成份含量转换成表格文件,并将该成份含量表格(矩阵)读入内存,
3、确定勾兑目标,在这里葛根素和大豆苷的理想值为3.06和0.322;
4、确定勾兑参数,即勾兑比例的最大偏移量,在这里最大偏移量通常设定在10%以内;
5、调用趋势平衡遗传算法对问题进行求解;
6、生成并显示勾兑优化方案,包括:各批中药材的最佳比例和勾兑后的平均偏移量。
表1为对6批葛根饮片利用趋势平衡遗传算法、传统遗传算法和非线性最小二乘法进行勾兑优化的准确性和效率对比实验结果。从表1我们可以看出,本发明中的趋势平衡遗传算法其10次勾兑的平均偏移量均<1%,基本与勾兑目标一致,远低于传统遗传算法和非线性最小二乘法的结果,其计算时间均<1ms,较传统遗传算法和非线性最小二乘法更加迅速。
表1、葛根饮片的勾兑
上述实例是本方法的一个具有代表性的例子,本方法不仅能处理6批中药材、2种成份的情况。在实际应用中,本方法能够自动适应各种不同批次和成份数量的应用,无需手动调整参数。
Claims (6)
1.一种基于趋势平衡遗传算法的中药材勾兑优化方法,其特征在于:它包括以下步骤:
(1)、使用色谱仪检测出各批中药材有效成份的含量;
(2)、将各批中药材的成份含量数据,即每批中药材的成份含量值,通过图谱分析软件转换为成份含量矩阵,并加载该矩阵到内存中;
(3)、设定勾兑参数,即设定勾兑允许的最大平均偏差;
(4)、勾兑问题的数学模型如下:
勾兑优化问题的计算模型如公式(Ⅰ)和(Ⅱ)所示,其中公式(Ⅱ)为公式(Ⅰ)的符号表示,
AX=B (Ⅱ)
(5)、利用改进的趋势平衡遗传算法进行勾兑优化,改进的遗传算法采用基因型和表现型一体的设计,即个体的基因型和表现型相同,改进的趋势平衡遗传算法进行勾兑优化的方法如下:
(d)设定最大迭代次数MAX_ITERATION_TIMES,设定最佳个体的平均偏移率为100%,即1.0;
(e)利用趋势交叉算子、趋势变异算子、趋势平衡算子和趋势选择算子反复迭代进行勾兑优化,反复迭代进行勾兑优化的方法如下:
(m)趋势交叉运算;
(n)趋势变异运算;
(o)趋势平衡运算;
(p)趋势选择运算;
(q)从趋势选择运算中计算出的新一代种群中找出最佳个体;
(r)若迭代次数未超过最大迭代次数MAX_ITERATION_TIMES,且当前最佳个体平均偏移率大于等于最大平均偏差的阈值,则重复上述(m)-(r)步,否则继续(s);
(s)生成并显示勾兑优化方案,包括各批中药材的最佳勾兑比例和勾兑后的平均偏差。
2.根据权利要求1所述的基于趋势平衡遗传算法的中药材勾兑优化方法,其特征在于:所述勾兑允许的最大平均偏差在10%以内。
4.根据权利要求1所述的基于趋势平衡遗传算法的中药材勾兑优化方法,其特征在于:趋势变异算子是搜索最优解,即最优解可能在优势个体的附近,为了在优势个体的附近搜索最优解,设计了正向变异算子和负向变异算子两种变异算子,利用这两种算子对父代个体进行变异,这两种算子定义如下:
(1)正向变异算子x′i=xi+(1-xi)×a,其中a为[0,1]范围内的随机浮点数;
(2)负向变异算子x′i=xi+(0-xi)×b,其中b为[0,1]范围内的随机浮点数;
上述算子中xi为父代个体分量,x′i为新个体分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710216409.0A CN107016240B (zh) | 2017-04-05 | 2017-04-05 | 基于趋势平衡遗传算法的中药材勾兑优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710216409.0A CN107016240B (zh) | 2017-04-05 | 2017-04-05 | 基于趋势平衡遗传算法的中药材勾兑优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107016240A CN107016240A (zh) | 2017-08-04 |
CN107016240B true CN107016240B (zh) | 2020-01-24 |
Family
ID=59445259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710216409.0A Active CN107016240B (zh) | 2017-04-05 | 2017-04-05 | 基于趋势平衡遗传算法的中药材勾兑优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107016240B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1331986A (zh) * | 2001-03-16 | 2002-01-23 | 萧河龙 | 食药用真菌与中草药制备基因医药学产品及其新技术 |
WO2009075329A1 (ja) * | 2007-12-11 | 2009-06-18 | Fujifilm Corporation | 分解性を調整したゼラチン組成物 |
-
2017
- 2017-04-05 CN CN201710216409.0A patent/CN107016240B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1331986A (zh) * | 2001-03-16 | 2002-01-23 | 萧河龙 | 食药用真菌与中草药制备基因医药学产品及其新技术 |
WO2009075329A1 (ja) * | 2007-12-11 | 2009-06-18 | Fujifilm Corporation | 分解性を調整したゼラチン組成物 |
Non-Patent Citations (2)
Title |
---|
Optimization of Jiawei Qing’e Oral Fast Disintegrating Tablets Based on Response Surface-Central Composite Design;ZHANG Wei-ling等;《Chinese Herbal Medicines》;20130428;第138-144页 * |
以多种数学模型探求降脂颗粒组方配伍优化的研究;杨铭等;《中国中药杂志》;20111215;第3439-3443页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107016240A (zh) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gilligan | Comparison of disease progress curves | |
Mjolsness et al. | From coexpression to coregulation: an approach to inferring transcriptional regulation among gene classes from large-scale expression data | |
CN110674846A (zh) | 基于遗传算法和k-means聚类的不平衡数据集过采样方法 | |
Geraci | Modelling and estimation of nonlinear quantile regression with clustered data | |
Fitzmaurice et al. | Advances in longitudinal data analysis: an historical perspective | |
CN104615722B (zh) | 基于密度搜索与快速划分的混合数据聚类方法 | |
CN107341521A (zh) | 一种基于煤炭光谱数据对煤炭分类的方法 | |
CN107016240B (zh) | 基于趋势平衡遗传算法的中药材勾兑优化方法 | |
Montes et al. | High-throughput characterization, correlation, and mapping of leaf photosynthetic and functional traits in the soybean (Glycine max) nested association mapping population | |
CN113468794B (zh) | 一种小型密闭空间温湿度预测及反向优化方法 | |
Milner et al. | A new measure of symmetry and its application to classification of bifurcating structures | |
Ali et al. | A novel approach for protein classification using fourier transform | |
Liu et al. | Recognizing ion ligand–binding residues by random forest algorithm based on optimized dihedral angle | |
CN110852888A (zh) | 一种基于粒子滤波的证券投资组合优化方法 | |
Stoodley et al. | Data driven point packing for fast clustering | |
Baranov et al. | Evaluation of shape and asymmetry in rye leaf | |
Zhou et al. | An improved genetic algorithm for DNA motif discovery with gibbs sampling algorithm | |
Lithio et al. | Hierarchical modeling and differential expression analysis for RNA-seq experiments with inbred and hybrid genotypes | |
CN108804864A (zh) | 一种黄芪甲苷的最佳提取工艺及优化提取工艺的方法 | |
Kim et al. | Tree-dependent components of gene expression data for clustering | |
CN111986735B (zh) | Ardgpr模型预测rna中原子多极距的计算方法 | |
Yuan et al. | SuSiE PCA: A scalable Bayesian variable selection technique for principal component analysis | |
Kök et al. | Expansin gene family database: A comprehensive bioinformatics resource for plant expansin multigene family | |
Qi et al. | -Index for Differentiating Complex Dynamic Traits | |
Chen et al. | Dynamic behavior of a nonlinear single species diffusive system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |