![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/19/12/1b7fb742-1b59-4f14-b47a-9c72715b7fc5/1b7fb742-1b59-4f14-b47a-9c72715b7fc5pic.jpg)
![基于遺傳算法的混料試驗(yàn)藥物配方配比優(yōu)化研究.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/19/12/1b7fb742-1b59-4f14-b47a-9c72715b7fc5/1b7fb742-1b59-4f14-b47a-9c72715b7fc51.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在藥學(xué)研究領(lǐng)域存在很多的藥物處方優(yōu)化的問題。例如將藥物的有效成分、輔料、填充劑等成分按照一定的比例混合在一定條件下而制成?;炝显囼?yàn),就是通過實(shí)物試驗(yàn)或非實(shí)物試驗(yàn),考察混料的某種特性或綜合性能與各種混料分成之間的關(guān)系。每個(gè)混料成分的含量都必須表示成混料的百分比,且總和必須是1.在各組分構(gòu)成比總和為1或100%的約束條件下,如何進(jìn)行混料試驗(yàn)設(shè)計(jì),如何構(gòu)建數(shù)學(xué)模型,如何確定最優(yōu)配方、配比條件,以達(dá)到降低成本、提高效益的目的是混料試驗(yàn)優(yōu)化研究的
2、一個(gè)重要問題。
傳統(tǒng)的配方、配比優(yōu)化方法經(jīng)常用到直接法、等高線圖法、爬山法、投影追蹤法等,但是傳統(tǒng)方法存在極大的主觀性或者局部最優(yōu)的問題。并不能完全解決實(shí)際工作中遇到的問題,限制了在醫(yī)藥學(xué)研究領(lǐng)域中的應(yīng)用。近年來新發(fā)展的遺傳算法(genetic algorithm,GA)是一種基于Darwin的進(jìn)化論和Mendel的遺傳學(xué)說的全新隨機(jī)搜索與優(yōu)化算法,模擬生物進(jìn)化過程中適者生存規(guī)則,可有效地避免局部?jī)?yōu)化。在對(duì)有約束條件的混料
3、設(shè)計(jì)尋優(yōu)方法中,遺傳算法表現(xiàn)出比傳統(tǒng)方法更大的優(yōu)勢(shì)。
本課題在介紹了單形格子、單形重心混料設(shè)計(jì)和遺傳算法的基礎(chǔ)上,把這兩種方法結(jié)合起來,為藥學(xué)研究中混料試驗(yàn)設(shè)計(jì)單目標(biāo)優(yōu)化問題提供了可行的方案。
第一部分混料試驗(yàn)設(shè)計(jì)的概述。介紹了混料設(shè)計(jì)的概念、模型建立以及混料區(qū)域的幾何解釋;介紹了單形格子、單形重心混料設(shè)計(jì)的概念、試驗(yàn)原理。單形格子將試驗(yàn)點(diǎn)取在相應(yīng)階數(shù)的正單形格子點(diǎn)上,由于{p,d}階單形格子的試驗(yàn)點(diǎn)正好與所
4、采用的d階完全多項(xiàng)式回歸模型中待估計(jì)參數(shù)的個(gè)數(shù)相等,所以是飽和設(shè)計(jì),是在“試驗(yàn)次數(shù)最少”意義下的最優(yōu)設(shè)計(jì);單形重心設(shè)計(jì)僅取j頂點(diǎn)重心(j=1,2,…,p)作為試驗(yàn)點(diǎn),單形重心設(shè)計(jì)也是飽和設(shè)計(jì),且單形重心試驗(yàn)點(diǎn)的非零坐標(biāo)均相等,這就消除了由于非零坐標(biāo)不相等對(duì)回歸系數(shù)估計(jì)值的影響。
第二部分單目標(biāo)優(yōu)化的遺傳算法。介紹了遺傳算法的原理、基本步驟,突出遺傳算法優(yōu)化混料設(shè)計(jì)藥物處方配比的優(yōu)勢(shì)。
第三部分遺傳算法優(yōu)化混料
5、試驗(yàn)設(shè)計(jì)的效果評(píng)價(jià)。通過標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)遺傳算法進(jìn)行測(cè)試,并與傳統(tǒng)的求二階偏導(dǎo)法、等高線法作比較。二階偏導(dǎo)法所求的影響因素x1超出測(cè)試函數(shù)的約束范圍,極大值不在約束范圍內(nèi),因此,求導(dǎo)法不能解決約束條件下的混料問題;等高線法具有主觀性和局部最優(yōu)性,不能給出精確的最優(yōu)解;而遺傳算法可給出精確的可供選擇的相應(yīng)自變量組合,搜索結(jié)果較穩(wěn)定。
第四部分基于遺傳算法的混料設(shè)計(jì)最佳工藝比例優(yōu)化的實(shí)例研究。羅格列奈(諾和龍)處方優(yōu)化制備工藝的
6、研究,采用(3,2)單形格子混料設(shè)計(jì)安排試驗(yàn),運(yùn)用遺傳算法進(jìn)行探索性分析,大約在30代以后,搜索結(jié)果穩(wěn)定,三種賦形劑的最佳比例:即聚氧化乙烯(PEO303)、微晶纖維素(MCCPH101)、乳糖(Lactose)分別是13.6%、14.5%、71.4%時(shí),評(píng)價(jià)指標(biāo)粘膜粘附力y達(dá)到最優(yōu)值0.2610N,同時(shí)使得藥物在2小時(shí)、8小時(shí)的釋放率分別達(dá)到最優(yōu)為25.73%、88.45%。均優(yōu)于等高線法得到的最優(yōu)解。
硝基咪康唑口腔粘
7、附片療效最佳工藝比例的優(yōu)化研究,采用(3,3)單形重心混料設(shè)計(jì)安排試驗(yàn),運(yùn)用遺傳算法進(jìn)行探索性分析,大約在進(jìn)化15代以后,搜索結(jié)果穩(wěn)定,得到三種粘附劑羥乙烯聚合物(carbopol)、羥丙基甲基纖維素(HPMC)、聚乙烯吡咯烷酮(PVP)的最優(yōu)比例為0.36、0.29、0.35時(shí),藥物釋放率的平均水平為93.37,最高水平為93.520。
通過遺傳算法對(duì)實(shí)例應(yīng)用的探索性研究,說明該方法可以用于帶有約束條件的藥物混料配方配比
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于遺傳算法的混料比率和乘積混料試驗(yàn)配比優(yōu)化研究.pdf
- 基于遺傳算法的含上下界約束混料試驗(yàn)處方優(yōu)化研究.pdf
- 基于遺傳算法的混料均勻設(shè)計(jì)優(yōu)化分析研究.pdf
- 基于微遺傳算法的中心試驗(yàn)設(shè)計(jì)多目標(biāo)藥物合成優(yōu)化分析.pdf
- 基于遺傳算法的優(yōu)化研究.pdf
- 基于遺傳算法優(yōu)化問題的研究
- 基于TSP的遺傳算法優(yōu)化研究.pdf
- 基于遺傳算法的多目標(biāo)優(yōu)化算法研究.pdf
- 基于遺傳算法優(yōu)化QoS路由算法的研究.pdf
- 基于改進(jìn)遺傳算法的圖像匹配方法研究.pdf
- 基于遺傳算法優(yōu)化問題的研究.pdf
- 基于遺傳算法的翼型優(yōu)化.pdf
- 基于遺傳算法的配送路線優(yōu)化研究.pdf
- 基于遺傳算法的網(wǎng)架結(jié)構(gòu)優(yōu)化研究.pdf
- 基于遺傳算法的PEMFC優(yōu)化.pdf
- 基于遺傳算法的倉(cāng)儲(chǔ)系統(tǒng)優(yōu)化研究.pdf
- 基于遺傳算法的水庫優(yōu)化調(diào)度研究.pdf
- 基于遺傳算法的無功優(yōu)化控制研究.pdf
- 基于遺傳算法優(yōu)化的中文分詞研究.pdf
- 基于遺傳算法的WSN應(yīng)用優(yōu)化研究.pdf
評(píng)論
0/150
提交評(píng)論