[发明专利]基于细菌觅食算法的微生物发酵优化方法

摘要

本发明公开一种基于细菌觅食算法的微生物发酵优化方法，包括以下步骤建立微生物发酵数据集、将所述微生物发酵数据集随机分成训练数据集与测试数据集两个部分、构建BP神经网络、使用训练数据集对BP神经网络进行训练、对每个所述微生物发酵控制参数进行二进制编码得到细菌初始种群、执行细菌趋化算子、执行繁殖算子、每只细菌按概率执行迁徙算子。本发明可根据现有的发酵数据获取取最优的控制参数组合，不需要重新设计实验。

主权项

基于细菌觅食算法的微生物发酵优化方法，其特征在于，包括以下步骤：步骤一、建立微生物发酵数据集，所述发酵数据集包括微生物发酵过程中的发酵控制参数以及与发酵控制参数对应的发酵产物数量；步骤二、将所述微生物发酵数据集随机分成训练数据集与测试数据集两个部分；步骤三、构建BP神经网络，其中，发酵控制参数作为BP神经网络的输入层输入节点，发酵产物数量作为BP神经网络的输出层输出节点，设定隐含层节点数量；步骤四、使用所述训练数据集对BP神经网络进行训练，使BP神经网络学习控制参数与发酵产物数量之间的映射关系，使用所述测试数据集检测经过训练的BP神经网络预测产物数量的准确性是否在预设的误差范围内，若否，则对所述BP神经网络重新进行训练；步骤五、根据发酵控制参数的精度和取值范围对每个所述微生物发酵控制参数进行二进制编码，将两个以上二进制编码后的发酵控制参数串连成一条染色体，一条染色体为一个细菌个体，将两个以上细菌个体随机组成初始种群；步骤六、每只细菌由细菌适应度和所处的位置组成，所述细菌适应度以步骤四中训练合格的BP神经网络为适应度函数计算，细菌所处的位置Xi(j,k,l)按以下公式进行更新：Xi(j+1,k,l)＝Xi(j,k,l)+rand()×step×φ(i)、φ(i)=Xi(j,k,l)-Xrand(j,k,l)||Xi(j,k,l)-Xrand(j,k,l)||,]]>其中，j为细菌第j代趋化算子，k为细菌第k代繁殖算子，l为细菌第l代迁徙算子，rand()为0～1之间的随机数，step表示细菌每次前进的步长，φ(i)表示细菌随机翻滚的方向，Xrand(j,k,l)为当前个体Xi(j,k,l)领域内的一个随机位置；步骤七、执行细菌趋化算子：在细菌位置更新过程时，每个细菌先向一个随机的方向前进一个步长，判断细菌的适应度是否得到改善，若是，则按此方向继续前进，直到适应度不再改善或达到最大的前进次数；若否，则随机向另一个方向前进一个步长，直到每只细菌都完成预定的趋化算子次数；步骤八、执行繁殖算子：每只细菌按照其执行完趋化算子后的适应度值进行排序，控制适应度值较低的半数细菌个体死亡，适应度值高的半数细菌个体繁殖自身，生成新的群体，新产生的群体再次循环执行趋化算子、繁殖算子，直到群体执行完预定的繁殖算子次数；步骤九、每只细菌按概率执行迁徙算子，当细菌个体满足迁徙算子发生概率时，该细菌个体死亡，并随机地在解空间的任意位置生成一个新的个体，每执行完一次迁徙算子后，跳转至步骤七，直至完成预定的迁徙算子执行次数，然后输出最优个体，并进行解码，得到最优的发酵控制参数组合。