遺傳算法優化乘積混料試驗最佳配比條件的研究*

趙 磊吳小娟，2任 雯王 祥王華芳魏 珍仇麗霞△

?

遺傳算法優化乘積混料試驗最佳配比條件的研究*

趙 磊1吳小娟1，2任 雯1王 祥1王華芳1魏 珍1仇麗霞1△

【提 要】 目的 評價遺傳算法在乘積混料試驗設計的實際研究中的優化效果。方法 利用Expert Design軟件對混料設計的數據建立回歸模型，并利用Genetic Algorithm Platforms v1.0軟件進行單目標優化，并利用Mintab16.0軟件繪制等高線圖。將遺傳算法所得結果與傳統的等高線法結果進行比較。結果 通過遺傳算法求得最佳配比分別為：氧化銣為52.4%，氧化錫為47.6%，氧化鈦為0%，且煅燒條件在500攝氏度時，焊條的使用壽命達到32.60h。使用壽命比等高線法得到的最優值略高，說明遺傳算法能夠找到試驗中的最佳配比及工藝條件。結論 對于乘積混料試驗設計利用遺傳算法進行單目標優化效果理想，可進一步應用于醫藥學領域。

【關鍵詞】乘積混料試驗 遺傳算法 單目標優化 最佳配比

1.山西醫科大學公共衛生學院衛生統計學教研室（030001）

2.濱州醫學院附屬醫院

人們常常對物品的一種或幾種特性感興趣，而這些特性指標常與相應的各種成分在混料中所占的比例有關［1］。在混料試驗中各混料因素的含量必須表示成混料的百分比，且他們的總和必須等于1［2］。針對不同的混料目的，提出了適合于不同的數據的混料設計［3］。乘積混料設計通常是將混料因素的單形重心或單形格子設計與另一類因素的二水平因素設計相乘構造試驗方案［1］。雖然乘積混料設計理論已有一定的發展，2000年陳忠菊在含有過程變量的混料系統中使用Scheffe正則多項式加過程變量二次多項式模型［3］，但在醫藥學領域中的應用報道還較少。90年代以來，迅速發展起來的遺傳算法是一種全局擇優的優化算法，能夠有效的解決優化問題。它在工程與科學研究中得到廣泛應用，但在乘積混料設計方面的應用還少見。

本文引用乘積混料試驗文獻中的數據使用遺傳算法來解決含有混料約束條件的乘積混料試驗設計優化問題，為其提供合理的配方配比及工藝條件。此方法可以為最佳藥物配比等醫藥學熱點問題的研究奠定一定的理論基礎。

方法與資料

1.乘積混料設計

若設有p個混料因素x1，x2，…，xp，k個過程變量z1，z2，…，zk，滿足p-1 + k＜N，這里N為總試驗次數，在通常試驗中，K≤6。通常是將混料因素的單純形重心或單純形格子設計與另一類因素的二水平因素設計相乘構造實驗方案，故稱為乘積混料設計。對于含有過程變量的混料試驗，通常有兩種設計與分析方法。

（1）獨立變量法：將p個混料因素變換為p-1個獨立變量，w1，w2，…，wp-1。通常將變量wi（i =1，2，…，p-1）稱為混料關系變量。此種設計方法即是將混料關系變量和過程變量這兩種類型的獨立變量集合組成一個獨立變量集合，而后進行統一設計。此時，回歸模型為：

式中ε為服從（0，σ2）分布的隨機誤差。顯然，在模型含有過程變量的混料問題實際上是一個（p-1 +K）個獨立變量的回歸設計問題，通常zj（j =1，2，…，K）取二水平，故可用單形-重心2k設計安排實驗方案，即在單形-重心設計2p-1個點的每一個點上都配置一套完全2k因素安排，或用單形-重心，即在zj的2k個組合的每一個點上都用單形-重心設計來配置一套混料試驗。事實上這都是2p-1單形-重心設計與2k因素設計的相乘，即單形-重心設計*因素設計，即一種乘積混料設計。

（2）混料試驗法：原封不動的將p個混料因素xi（i =1，2，…，p）與K個過程變量zj（j =1，2，…，K）相組合，再使用單形格子設計安排實驗方案。此時回歸模型為

Scheffe在考慮包含過程變量的混料問題時，把典型多項式模型中的系數看成是過程變量的多項式函數，這樣得到的模型就是一個乘積模型，一個完全單純形重心設計*因子設計，即在（2k-1）個單純形重心設計點上，對一個過程變量進行完全因子試驗，這個試驗設計就是一個乘積設計。

乘積混料設計的設計步驟：第一步，確定混料試驗的區域。第二步，通過坐標變換引入中間變量vi。第三步，通過正交變換引入中間變量ωi。第四步，進行混料設計，列出試驗方案。

2.遺傳算法

遺傳算法通過交叉、變異、選擇來實現，交叉和變異可產生下一代，其好壞根據適應度衡量，根據適應度的大小選擇一定數量的個體，再繼續進化，經幾代后，其收斂于最優的種群。遺傳算法的基本過程［6］如下：①隨機產生初始染色體種群。②評價染色體的優劣。③選擇優良的染色體作為新的種群。④交叉產生新的基因，組成進化程度更高的種群。⑤通過變異挖掘種群中個體的多樣性，避免局部最優解的弊病。經過上述5個步驟繼續對新的后代重復進行選擇、交叉、變異，經過一定代數的進化就可以得到最好的染色體。

3.數據資料

引用文獻《A mixture design approach to the service life and the oxygen evolving catalytic activity of Ru-Sn-Ti ternary oxide coated electrodes》中的數據［7］。采用乘積混料試驗設計，研究氧化銣、氧化錫、氧化鈦的不同比例以及不同煅燒溫度對焊條使用壽命的影響。三種氧化物的百分比為x1、x2、x3，滿足x1+ x2+ x3=1，過程變量即煅燒溫度為z，當z =-1為400℃，z =+1 為500℃，使得焊條的使用壽命y達到最大。根據試驗因素和評價指標選擇乘積混料設計進行試驗，各因素及其編碼水平的試驗方案及結果見表1

表1　乘積混料試驗設計及結果

結 果

1.目標函數的模型建立

分別用x1、x2、x3表示涂層溶液中三種金屬氧化物氧化銣、氧化錫、氧化鈦的百分比，用y表示焊條使用壽命，利用Expert Design軟件建立Scheffe多項式回歸模型。

當z =-1時，即煅燒溫度在400℃時，R2=95.26%

當z =1時，即煅燒溫度在500℃時，R2=85.56%

約束條件為：x1+ x2+ x3=1

2.等高線法優化結果

利用統計軟件mintab16.0繪制三維曲面圖和等高線圖：當z1=-1（煅燒溫度=400℃），三維曲面圖1可以直觀看出測試函數的極大值大約在13左右的水平，等高線圖2是圖1的投影，通過等高線圖我們可以直觀的得到在約束范圍內等高線上較優的值13.1730；當z1=1（煅燒溫度=500℃），三維曲面圖3可以直觀看出測試函數的極大值大約在30左右的水平，等高線圖4是圖3的投影，通過等高線圖我們可以直觀的得到在約束范圍內等高線上較優的值32.5952。因此，等高圖法得到的最優解為：x1=0.5236，x2=0.4736，x3=0.0028；焊條使用壽命為32.5952h。

圖1　焊條使用壽命曲面圖（煅燒溫度=400℃）

圖2　焊條使用壽命等高線圖（煅燒溫度=400℃）

3.遺傳算法優化結果

以構建的回歸模型為目標評價函數，在其約束條件下，利用Genetic Algorithm Platforms v1.0軟件進行優化，其參數設置為：

Problem Kind：function extremum Valid algorithms：decimal code

Crossover rate：0.8 Mutation rate：0.03

Population：100 Max time：5 Minute

由進化曲線圖可知，焊條使用壽命的進化圖（z =-1）即煅燒溫度在400℃，大約在進化50代以后，搜索結果穩定，目標函數的最大進化值穩定在13.0h的水平；焊條使用壽命的進化圖（z =1）即煅燒溫度在500℃大約在進化40代以后，搜索結果穩定，目標函數的最大進化值穩定在32.0h的水平。

表2給出了遺傳算法40次的運行結果，由進化結果可知，當z =-1時在約束條件范圍內，目標函數的值基本穩定在13h左右的水平上；當z =1時在約束條件范圍內，目標函數的值基本穩定在32h左右的水平上目標穩定、精確，顯示遺傳算法在全局范圍內搜索最優解。

圖3　焊條使用壽命曲面圖（煅燒溫度=500℃）

圖4　焊條使用壽命等高線圖（煅燒溫度=500℃）

圖5　焊條使用壽命的進化圖（煅燒溫度在400℃）

圖6　焊條使用壽命的進化圖（煅燒溫度在500℃）

表2　焊條使用壽命解方案

由表2可知，焊條涂層液的最優配比條件可取39號方案，此時焊條的使用壽命可達到32.0629h，求得涂層溶液中三種金屬氧化物RuO2、SnO2、TiO2的最佳配比分別為52.40%、47.60%、0，且煅燒溫度也是1水平，即500℃，此時焊條使用壽命達到32.6029h。

4.等高線法與遺傳算法優化效果比較

表3　等高線法與遺傳算法優化效果比較

等高圖法求得涂層溶液中三種金屬氧化物RuO2、SnO2、TiO2的最佳配比分別為52.36%、47.36%、0.28%時，且煅燒溫度為1水平，即500℃，此時焊條使用壽命達到32.5952h；遺傳算法求得涂層溶液中三種金屬氧化物焊條使用壽命達到32.6029h比等高線法結果略高，且其最佳配比條件基本一致。說明遺傳算法應用于乘積混料試驗設計，為其提供了一種較好的優化方法，且遺傳算法提供了一系列較好的配方配比，使得焊條使用壽命較高，可供研究者根據實際情況選擇。

討 論

目前，國內外對于混料設計的研究主要集中于醫藥學，農業，輕工業領域，主要用到的優化方法有等高線法、加權法、爬山法等。這些方法存在著主觀性強和只能在局部尋找最優的問題，不能很好的解決實際問題。因此，這些方法在應用中存在很大的盲目性，一定程度上限制了研究的合理性、科學性［10］。近些年發展的遺傳算法是一種模擬生物自然進化的隨機優化搜索方法，具有非常廣泛的應用范圍。它強調尋找全局最優點，可在傳統數學方法無解的情況下進行極大值的尋優。

本文介紹的乘積混料設計主要應用于含有不同于混料因素的另一種類型因素的混料問題中，混料試驗結果除了受混料因素的影響，還與溫度、時間等過程變量有關；所謂的過程變量即是與混料組分無關，而在科研或生產過程中根據實際需要所取的變量。本文所選用的例子即為典型的乘積混料設計，焊條的使用壽命不僅與焊條表面涂層溶液中金屬氧化物的比例有關，還與其煅燒溫度有關。利用遺傳算法進行單目標優化尋找最佳的配比及工藝條件，所得最優結果為氧化銣52.4%，氧化錫47.6%，氧化鈦0%，煅燒溫度為500℃。結果表明：遺傳算法與傳統的等高線法相比，其最佳配比條件基本一致，且結果略高于等高線法，但由于等高線法在選取最佳配比方案時具有較大的主觀性，因此，利用遺傳算法優化乘積混料試驗設計的效果是令人滿意的，為公共衛生事業資源分配以及最佳藥物配比等醫藥學熱點問題提供可行的方法，以正確的指導醫藥學研究中的混料試驗問題。

參考文獻

［1］任露泉.試驗優化設計與分析.高等教育出版社，2003.

［2］張金廷.混料均勻設計.應用概率統計，1993，9（2）：168-175.

［3］J.A.Cornell.Experiments with Mixture Designs，Models，and Analysis of Mixture data.New York，Wiley，1990.

［4］陳忠菊，白玉.一種Scheffe多項式模型的D-最優正交區組設計.遼寧教育學院學報，2000，17（5）.

［5］Holland JH.Adaptation in natural and Artificial systems.Ann Arbor：University of Michigan Press，1975.

［6］李敏強.遺傳算法的基本理論與應用.北京：科學出版社，2002.

［7］仇麗霞.多因素試驗優化算法及醫學應用.山西醫科大學碩士論文，2003.

［8］王小平，曹立明.遺傳算法理論、應用及軟件實現.西安：西安交通大學出版社，2001.

［9］Shinmin Lin，Ten chin Wen.A mixture design approach to the service life and the oxygen evolving catalytic activity of Ru-Sn-Ti ternary oxide coated electrodes.Journal of applied electrochemistry，1993，（23）：487-494.

［10］周建淞.基于遺傳算法的混料均勻設計優化分析研究.山西醫科大學碩士論文，2011.

（責任編輯：鄧 妍）

A Study of Genetic Algorithm to Optimize the Best Proportion and Processing Conditions of Product Mixture Design

Zhao Lei，Wu Xiaojuan，Ren Wen，et al.（Shanxi Medical University（030001），Taiyuan）

【Abstract】Objective To evaluate the optimizations of product mixture design based on genetic algorithm.Method Using expert design software to establish a regression model，using Genetic Algorithm Platforms v1.0 software to achieve single objective optimization with the data from mixture design and using Mintab16.0 software to draw contour plot.Compare the result from genetic algorithm and contour method.Results The best proportion calculated by genetic algorithm are rubidium oxide 52.4%，tin oxide 47.6%，titanium oxide 0%and the condition of calcinations at 500℃.The electrode service life reach up to 32.60h，the service life is a little higher that contour method.It indicates that using genetic algorithm can find the optimum proportion and technological conditions in product mixture design.Conclusion For product mixture design，using genetic algorithm to achieve single objective optimization，the effect is satisfactory.The method can be extended applied into the medicine field.

【Key words】Product mixture design；Genetic algorithm；Single objective optimization；Optimum proportion

*基金項目：山西省自然科學基金項目（2013011059-3）

通信作者：△仇麗霞，E-mail：qlx1126@163.com