基于微遗传算法的多目标Box-Behnken设计试验条件优化分析

目的比较微遗传算法与传统优化方法确定最优试验条件的效果。方法以琥珀酸维生素E、泊洛沙姆-188、0.1molNaOH作为影响因素;以粒径、ζ电位、克拉霉素(clarithromycin,CLA)乳剂相分布率作为评价指标,在Box-Behnken试验设计给定的条件下,通过最小二乘法拟合二阶响应面方程试验模型,分别运用Matlab2009a软件的函数模块、图形模块编制的遗传算法程序和ExpertDesign软件(Version7.1.6.0)的Box-Behnken设计的传统优化方法,筛选出最优试验条件,比较两种优化方法的效果。结果当评价指标和因素之间呈非线性回归关系时,Box-Behnken设计充分考虑到各影响因素间的交互作用,同时在中心点进行重复试验,提高了实验的准确性。经微遗传算法优化后试验因素琥珀酸维生素E、泊洛沙姆-188、0.1MNaOH最佳条件分别为:68.25%、0.52%、15.26%,评价指标粒径、ζ电位、CLA乳剂相分布率分别为:135.75nm、33.67mV、98.12%;经传统优化方法优化后试验因素琥珀酸维生素E、泊洛沙姆-188、0.1MNaOH最佳条件分别为:76.0%、0.5%、15.4%,评价指标粒径、ζ电位、CLA乳剂相分布率分别为:135.75nm、31.04mV、97.33%。结论对于三水平多因素的试验,采用Box-Behnken设计试验设计可以大大减少设计所花费的时间和成本,提高试验效率。微遗传算法相对于传统优化方法,可以从全局的角度搜索试验条件的最优组合,进行多个评价指标优化效果理想、程序可行、计算时间短、可以应用于解决多维解空间的实际问题。

Multi-Objective Optimize the Experimental Conditions of BoxBehnken Experimental Design Based on Micro-Genetic Algorithms