基于改进非劣分类遗传算法的多目标药物制备工艺优化分析*

山西医科大学卫生统计教研室(030001) 乔宇超 王晓美 任家辉 崔 宇 赵执扬 仇丽霞

【提 要】 目的 研究改进非劣分类遗传算法(nondominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)对葛根素亚微乳制备工艺的优化效果,并与多目标遗传算法(multiple objective genetic algorithm,MOGA)以及原文采用的效应面法的优化效果进行比较。方法 利用制备葛根素亚微乳中心试验的数据,采用改进非劣分类遗传算法寻找平均粒径和跨距均最小、而包封率最大的工艺条件。结果 采用NSGA-Ⅱ随机搜索30次,得到平均粒径为(220.173±18.153)nm;跨距的平均水平为(0.623±0.137)μm;包封率的平均水平为(83.873±2.176)%,与MOGA搜索结果的平均水平相比,NSGA-Ⅱ搜索精度更高,变异度更小。当乳化时间、搅拌转速、超声时间分别为12.97min、1613r·min-1、31.15min时,对应的目标值平均粒径、跨距、包封率分别为229.70nm、0.54μm、85.92%,优化效果满意,比MOGA及原文采用的效应面法找到的最优方案更理想。结论 在确保多个目标值都达到最优的前提下,NSGA-Ⅱ搜索得到的Pareto非劣解是合理的,达到了较满意的效果,为试验设计最优条件的选择提供了合理的方法。同时研究人员可根据实际情况,从Pareto非劣解集中确定可行、合理且最优的工艺优化方案。

在面对工程设计和决策的问题时,常需要找到满足多目标或多准则的最佳设计方案,例如在新药研发领域中的药物合成最优试验条件的选择就属于多目标优化问题。多数情况下,被同时优化的多个目标之间是相互作用且相互冲突的,为了达到总目标的最优化,通常需要对相互冲突的子目标进行综合考虑,即对各子目标进行折衷[1]。传统的优化……