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

作者：乔宇超; 王晓美; 任家辉; 崔宇; 赵执扬; 仇丽霞^*

来源：中国卫生统计, 2023, 40(04): 497-506.

• 改进非劣分类遗传算法
• 多目标优化
• Pareto非劣解
• 中心试验

目的 研究改进非劣分类遗传算法(nondominated sorting genetic algorithmⅡ,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。

• 单位
  山西医科大学