基于細(xì)菌覓食算法的微生物發(fā)酵優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及微生物發(fā)酵控制領(lǐng)域，特別是涉及一種基于細(xì)菌覓食算法的微生物發(fā) 酵優(yōu)化方法。
【背景技術(shù)】
[0002] 微生物發(fā)酵過(guò)程是高度復(fù)雜且非線性的過(guò)程，難于用精確的數(shù)學(xué)模型對(duì)發(fā)酵過(guò)程 進(jìn)行建模。近幾年，隨著計(jì)算智能算法的發(fā)展，越來(lái)越多的計(jì)算智能算法被應(yīng)用到微生物發(fā) 酵過(guò)程建模與優(yōu)化控制上。如應(yīng)用BP神經(jīng)網(wǎng)絡(luò)、遺傳算法等對(duì)發(fā)酵過(guò)程進(jìn)行建模與優(yōu)化控 制?，F(xiàn)有技術(shù)常把BP神經(jīng)網(wǎng)絡(luò)、遺傳算法單獨(dú)應(yīng)用于發(fā)酵過(guò)程的建模與優(yōu)化控制。也有聯(lián) 合應(yīng)用BP神經(jīng)網(wǎng)絡(luò)與遺傳算法對(duì)發(fā)酵過(guò)程進(jìn)行建模與優(yōu)化控制，但這種聯(lián)合應(yīng)用常常只 利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，再應(yīng)用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)對(duì)發(fā)酵過(guò)程進(jìn)行建模 與優(yōu)化控制。另外傳統(tǒng)的遺傳算法優(yōu)化發(fā)酵控制也存在如下主要問(wèn)題：
[0003] 1、傳統(tǒng)遺傳算法在個(gè)體更新后并沒(méi)有判斷其是否得到優(yōu)化，以至于經(jīng)過(guò)交叉、變 異后的個(gè)體出現(xiàn)不如父代的退化現(xiàn)象；
[0004] 2、傳統(tǒng)遺傳算法容易出現(xiàn)早熟收斂的問(wèn)題，陷入局部最優(yōu)解；
[0005] 3、傳統(tǒng)遺傳算法適應(yīng)度值高的個(gè)體在一代中被選擇的概率高，相應(yīng)的濃度高，適 應(yīng)度值低的個(gè)體在一代中被選擇的概率低，相應(yīng)的濃度低，沒(méi)有自我調(diào)節(jié)能力，不利于保持 群體中個(gè)體的多樣性；
[0006] 4、現(xiàn)有的發(fā)酵控制優(yōu)化方法都要通過(guò)預(yù)先設(shè)計(jì)實(shí)驗(yàn)，然后實(shí)施設(shè)計(jì)的實(shí)驗(yàn)方案， 得到實(shí)驗(yàn)數(shù)據(jù)再進(jìn)行分析優(yōu)化控制策略。

【發(fā)明內(nèi)容】

[0007] 為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種基于細(xì)菌覓食算法的微生物發(fā)酵優(yōu)化方 法，用于解決現(xiàn)有微生物發(fā)酵控制過(guò)程需要預(yù)先設(shè)計(jì)發(fā)酵實(shí)驗(yàn)，不易得到發(fā)酵最優(yōu)個(gè)體和 最優(yōu)發(fā)酵控制參數(shù)的問(wèn)題。
[0008] 本發(fā)明是這樣實(shí)現(xiàn)的：
[0009] -種基于細(xì)菌覓食算法的微生物發(fā)酵優(yōu)化方法，包括以下步驟：
[0010] 步驟一、建立微生物發(fā)酵數(shù)據(jù)集，所述發(fā)酵數(shù)據(jù)集包括微生物發(fā)酵過(guò)程中的發(fā)酵 控制參數(shù)以及與發(fā)酵控制參數(shù)對(duì)應(yīng)的發(fā)酵產(chǎn)物的數(shù)量；
[0011] 步驟二、將所述微生物發(fā)酵數(shù)據(jù)集隨機(jī)分成訓(xùn)練數(shù)據(jù)集與測(cè)試數(shù)據(jù)集兩個(gè)部分；
[0012] 步驟三、構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，其中，發(fā)酵控制參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入層輸入節(jié) 點(diǎn)，發(fā)酵產(chǎn)物的產(chǎn)量作為BP神經(jīng)網(wǎng)絡(luò)的輸出層輸出節(jié)點(diǎn)，設(shè)定隱含層節(jié)點(diǎn)數(shù)量；
[0013] 步驟四、使用所述訓(xùn)練數(shù)據(jù)集對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)控制 參數(shù)與發(fā)酵產(chǎn)物數(shù)量之間的映射關(guān)系，使用所述測(cè)試數(shù)據(jù)集檢測(cè)經(jīng)過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)產(chǎn)物數(shù)量的準(zhǔn)確性是否在預(yù)設(shè)的誤差范圍內(nèi)，若否，則對(duì)所述BP神經(jīng)網(wǎng)絡(luò)重新進(jìn)行訓(xùn) 練；
[0014] 步驟五、根據(jù)發(fā)酵控制參數(shù)的精度和取值范圍對(duì)每個(gè)所述微生物發(fā)酵控制參數(shù)進(jìn) 行二進(jìn)制編碼，將兩個(gè)以上二進(jìn)制編碼后的發(fā)酵控制參數(shù)串連成一條染色體，一條染色體 為一個(gè)細(xì)菌個(gè)體，將兩個(gè)以上細(xì)菌個(gè)體隨機(jī)組成初始種群；
[0015] 步驟六、每只細(xì)菌由細(xì)菌適應(yīng)度和所處的位置組成，所述細(xì)菌適應(yīng)度以步驟四中 訓(xùn)練合格的BP神經(jīng)網(wǎng)絡(luò)為適應(yīng)度函數(shù)計(jì)算，細(xì)菌所處的位置X1 (j，k，1)按以下公式進(jìn)行更 新：
[0016] Xi (j+1，k，I) = Xi (j，k，I)+rand () X step X Φ (i)、
[0017]
[0018] 其中，j為細(xì)菌第j代趨化算子，k為細(xì)菌第k代繁殖算子，I為細(xì)菌第I代迀徙算 子，randO為0~1之間的隨機(jī)數(shù)，step表示細(xì)菌每次前進(jìn)的步長(zhǎng)，Φ(?)表示細(xì)菌隨機(jī)翻 滾的方向，X rand(j，k，1)為當(dāng)前個(gè)體X1 (j，k，1)領(lǐng)域內(nèi)的一個(gè)隨機(jī)位置；
[0019] 步驟七、執(zhí)行細(xì)菌趨化算子：在細(xì)菌位置更新過(guò)程時(shí)，每個(gè)細(xì)菌先向一個(gè)隨機(jī)的方 向前進(jìn)一個(gè)步長(zhǎng)，判斷細(xì)菌的適應(yīng)度是否得到改善，若是，則按此方向繼續(xù)前進(jìn)，直到適應(yīng) 度不再改善或達(dá)到最大的前進(jìn)次數(shù)；若否，則隨機(jī)向另一個(gè)方向前進(jìn)一個(gè)步長(zhǎng)，直到每只細(xì) 菌都完成預(yù)定的趨化算子次數(shù)；
[0020] 步驟八、執(zhí)行繁殖算子：每只細(xì)菌按照其執(zhí)行完趨化算子后的適應(yīng)度值進(jìn)行排序， 控制適應(yīng)度值較低的半數(shù)細(xì)菌個(gè)體死亡，適應(yīng)度值高的半數(shù)細(xì)菌個(gè)體繁殖自身，生成新的 群體，新產(chǎn)生的群體再次循環(huán)執(zhí)行趨化算子、繁殖算子，直到群體執(zhí)行完預(yù)定的繁殖算子次 數(shù)；
[0021] 步驟九、每只細(xì)菌按概率執(zhí)行迀徙算子，當(dāng)細(xì)菌個(gè)體滿(mǎn)足迀徙算子發(fā)生概率時(shí)，該 細(xì)菌個(gè)體死亡，并隨機(jī)地在解空間的任意位置生成一個(gè)新的個(gè)體，每執(zhí)行完一次迀徙算子 后，跳轉(zhuǎn)至步驟七，直至完成預(yù)定的迀徙算子執(zhí)行次數(shù)，然后輸出最優(yōu)個(gè)體，并進(jìn)行解碼，得 到最優(yōu)的發(fā)酵控制參數(shù)組合。
[0022] 進(jìn)一步的，在步驟一中，所述發(fā)酵控制參數(shù)包括發(fā)酵溫度、發(fā)酵液pH值、發(fā)酵液溶 解氧濃度、發(fā)酵液濁度或發(fā)酵液殘氮量。
[0023] 進(jìn)一步的，在步驟二中，所述測(cè)試數(shù)據(jù)集占總微生物發(fā)酵數(shù)據(jù)集的5%~7%。
[0024] 進(jìn)一步的，在步驟四中，所述誤差范圍為BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)發(fā)酵產(chǎn)物數(shù)量的預(yù)測(cè)值 和實(shí)驗(yàn)測(cè)得的觀察值之間的線性回歸判定系數(shù)R2大于〇. 9。
[0025] 本發(fā)明的有益效果為：本發(fā)明經(jīng)過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)直接作為細(xì)菌覓食算法的 適應(yīng)度函數(shù)，應(yīng)用細(xì)菌覓食算法對(duì)發(fā)酵過(guò)程進(jìn)行優(yōu)化控制，免去了細(xì)菌覓食算法對(duì)微生物 發(fā)酵進(jìn)行優(yōu)化控制時(shí)需要構(gòu)建復(fù)雜的適應(yīng)度函數(shù)的問(wèn)題，并且細(xì)菌覓食算法主要依靠以細(xì) 菌特有的趨化、繁殖、迀徙三種行為為基礎(chǔ)的三種算子進(jìn)行位置更新和最優(yōu)解的搜索，提高 了全局搜索的能力，減少早熟收斂的可能性，細(xì)菌覓食算法中不存在個(gè)體之間的信息交互， 繁殖算子只是單向交互，用優(yōu)良的個(gè)體取代差的個(gè)體，減少了差的個(gè)體搜索食物的時(shí)間，提 高了算法的整體效率。
【附圖說(shuō)明】
[0026] 圖1為本發(fā)明實(shí)施方式基于細(xì)菌覓食算法的微生物發(fā)酵優(yōu)化方法的控制流程圖。
【具體實(shí)施方式】
[0027] 為詳細(xì)說(shuō)明本發(fā)明的技術(shù)內(nèi)容、構(gòu)造特征、所實(shí)現(xiàn)目的及效果，以下結(jié)合實(shí)施方式 并配合附圖詳予說(shuō)明。
[0028] 本發(fā)明實(shí)施方式，基于細(xì)菌覓食算法的微生物發(fā)酵優(yōu)化方法，其中，所述細(xì)菌覓 食算法為模仿大腸桿菌在人體腸道內(nèi)的覓食行為的一種算法，屬于仿生類(lèi)優(yōu)化算法。大 腸桿菌的覓食行為主要有1.尋找可能存在食物源的區(qū)域；2.通過(guò)先驗(yàn)知識(shí)判斷是否應(yīng) 該進(jìn)入該區(qū)域；3.消耗掉一定量的食物后，或者覓食區(qū)域環(huán)境變得惡劣等不適合生存的 條件出現(xiàn)，細(xì)菌死亡或迀移到另一個(gè)適合覓食區(qū)域。細(xì)菌覓食算法（Bacterial Foraging Optimization, BF0)正是根據(jù)以上三個(gè)過(guò)程提出一種仿生隨機(jī)搜索算法，是K. M. Passion 于2002年基于大腸桿菌在人體腸道內(nèi)搜索食物行為過(guò)程中表出來(lái)的群體競(jìng)爭(zhēng)協(xié)作機(jī)制， 提出的一種新型仿生類(lèi)群體智能算法。細(xì)菌覓食算法主要依靠以細(xì)菌特有的趨化、繁殖、迀 徙三種行為為基礎(chǔ)的三種算子進(jìn)行位置更新和最優(yōu)解的搜索，進(jìn)而實(shí)現(xiàn)種群的進(jìn)化。
[0029] 請(qǐng)參閱圖1，該基于細(xì)菌覓食算法的微生物發(fā)酵優(yōu)化方法包括以下步驟：
[0030] 1、選擇需要優(yōu)化控制的發(fā)酵控制參數(shù)（如發(fā)酵溫度、發(fā)酵液pH值、發(fā)酵液溶解氧 濃度、發(fā)酵液濁度、發(fā)酵液殘氮量等），并每隔一定時(shí)間記錄控制參數(shù)的設(shè)定值及對(duì)應(yīng)的發(fā) 酵產(chǎn)品的產(chǎn)量。經(jīng)過(guò)多批次的發(fā)酵，把這些批次的發(fā)酵數(shù)據(jù)作為發(fā)酵數(shù)據(jù)集。
[0031] 2、把發(fā)酵數(shù)據(jù)集隨機(jī)分成兩部分，一部分為訓(xùn)練數(shù)據(jù)集，一部分為測(cè)試數(shù)據(jù)集。訓(xùn) 練數(shù)據(jù)集用來(lái)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。測(cè)試數(shù)據(jù)集不參與訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，而是用于測(cè)試經(jīng)過(guò) 訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)發(fā)酵產(chǎn)品產(chǎn)量的準(zhǔn)確性。一般測(cè)試數(shù)據(jù)集占總發(fā)酵數(shù)據(jù)集的6%左 右。
[0032] 3、構(gòu)建BP神經(jīng)網(wǎng)絡(luò)方法：把選定的發(fā)酵控制參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入層輸入 節(jié)點(diǎn)，把發(fā)酵產(chǎn)品的產(chǎn)量作為BP神經(jīng)網(wǎng)絡(luò)的輸出層輸出節(jié)點(diǎn)，選擇適當(dāng)?shù)碾[含層節(jié)點(diǎn)數(shù)， 構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)。
[0033] 4、通過(guò)訓(xùn)練數(shù)據(jù)集對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，讓BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)控制參數(shù)與發(fā) 酵產(chǎn)品產(chǎn)量之間的映射關(guān)系，用測(cè)試數(shù)據(jù)集對(duì)經(jīng)過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)產(chǎn)品產(chǎn)量的 準(zhǔn)確性進(jìn)行測(cè)試，如果經(jīng)過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)產(chǎn)量的準(zhǔn)確性超出實(shí)驗(yàn)允許的誤差 范圍之外，則重新進(jìn)行訓(xùn)練，如果在實(shí)驗(yàn)誤差允許的范圍內(nèi)（一般要求BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 發(fā)酵產(chǎn)品產(chǎn)量的預(yù)測(cè)值和實(shí)驗(yàn)測(cè)得的觀察值之間的線性回歸判定系數(shù)（coefficient of determination) R2大于0. 9)，則BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練合格。訓(xùn)練合格的BP神經(jīng)網(wǎng)絡(luò)可以作為 細(xì)菌覓食算法的適應(yīng)度函數(shù)。
[0034] 5、對(duì)選定的發(fā)酵控制參數(shù)進(jìn)行編碼，每個(gè)發(fā)酵控制參數(shù)根據(jù)實(shí)驗(yàn)要求的精度和發(fā) 酵參數(shù)取值范圍，進(jìn)行二進(jìn)制編碼。設(shè)某一參數(shù)X的取值范圍在[a，b]，編碼長(zhǎng)度為n，則編 碼精度為（b-aV(2 n_l)，只要確定了實(shí)驗(yàn)精度和發(fā)酵參數(shù)的取值范圍，就是算出需要編碼 的二進(jìn)制符號(hào)串的長(zhǎng)度。經(jīng)過(guò)二進(jìn)制編碼后的每個(gè)發(fā)酵控制參數(shù)可以看