Logratio变换与PSO-BP神经网络在多目标混料设计药物处方配比优化中的应用

摘要

目的 研究Logratio变换、PSO-BP神经网络及改进非劣分类遗传算法（NSGA-Ⅱ）在药物处方配比优化中的应用，为药物混料设计的优化问题提供科学、合理的方法。方法 针对复方甘草微乳混料试验数据，先对数据进行Logratio变换，之后以微乳粒径和有效成分皮肤滞留量两个评价指标为输出构建PSO-BP神经网络模型，再以PSO-BP为适应度函数采用NSGA-Ⅱ进行多目标寻优，最后将本文优化方案与原文优化方案进行比较。结果 以粒径和有效成分皮肤滞留量作为输出的PSO-BP神经网络拟合模型的决定系数分别为R²=0.97298和R²=0.96334,且与原文使用的Scheffe多项式模型相比拟合效果更好。采用NSGA-Ⅱ优化目标函数所得3、4、6、7、10、11等方案的复方甘草微乳制备效果均优于原文方案，其中3号方案与原文方案相比，微乳粒径减小了3.02 nm,有效成分皮肤滞留量提高了18.31μg。结论 将Logratio变换和PSO-BP神经网络结合应用于混料设计所得试验数据的模型构建中，并采用NSGA-Ⅱ获得最佳的药物处方配比，理论是可行且合理的。

关键词

混料设计 / Logratio变换 / PSO-BP神经网络 / 改进非劣分类遗传算法