中药组方量效关系的多目标优化研究

摘要

本文对课题组前期研究大黄有效成分治疗缺血性脑中风的实验数据进行中药组方量效关系的多目标优化研究，采用RBF人工神经网络、支持向量机和随机森林法建立有监督型灰度模型，比较了权重系数法、分式规划法以及改进非支配排序遗传算法的优化效果，获得了可以权衡考虑各药理指标的全局优化的组方配伍，为中药组方研究及其现代化开发提供了方法学参考。主要研究内容如下：1.筛选建立适合的量效关系模型
　　以实验中5因素均匀设计给药配比作为输入向量，6项药理指标的组内均值作为输出向量，分别使用随机森林回归、支持向量机回归和RBF人工神经网络建立单目标量效关系模型，以分式规划法建立的结合了均方误差和相关系数的综合函数作为搜索目标，以留一法作为验证方法，使用自适应遗传算法进行参数优化。对优化的模型进行综合评价，结果显示RBF人工神经网络模型效果最佳，该模型预测6项药理指标的均方误差分别为[25.91670.53540.05530.00250.027033.5496]，相关系数分别为[0.74630.89990.87060.99830.95540.7543]，故选用此模型进行下文的多目标优化研究。
　　2.传统方法的多目标优化研究
　　首先，介绍了中药组方多目标优化研究中常用的两种方法，即权重系数法和分式规划法。权重系数法又分为主观权重法、客观权重法和主客观综合权重法。其次，应用上述各种多目标优化方法处理RBF人工神经网络的量效关系模型，并利用自适应遗传算法,获得权衡各项药理指标的综合最佳配比，结果显示算法的收敛性较好，均能获得最优解。
　　3.改进非支配排序遗传算法的多目标优化研究
　　传统的多目标优化方法是将多目标问题转化成单目标形式求解，以先决策后搜索方式进行，存在一定的局限性。进化算法虽然发展较晚，但其随机性、适用性和并行性等特点大大提高了多目标优化的效率和精准度，受到了广泛的关注。本章采用进化算法多目标优化研究中热门的改进非支配排序遗传算法，对RBF人工神经网络的量效关系模型进行多目标优化研究，获得了含50个非劣解的非劣解集，并与权重系数法和分式规划法等传统方法的多目标优化结果进行了对比。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1 中药组方优化研究

1.2中药组效关系的多目标优化研究

1.3 本文的研究意义及主要内容

第二章 中药组方量效关系模型的建立与筛选

2.1 中药组方量效关系

2.2 数学模型

2.3 模型的参数优化

2.4 模型的验证

2.5 量效关系模型的建立

2.6 小结

第三章 传统方法多目标优化研究

3.1 多目标优化问题

3.2 权重系数法

3.3 分式规划

3.4 优化结果比较

3.5 小结

第四章NSGA-II 多目标优化研究

4.1 基于进化算法的多目标优化

4.2 NSGA-II寻优

4.3 基于TOPSIS法的非劣解排序

4.4 小结

第五章 总结与展望

参考文献

附录

致谢

攻读学位期间发表的论文