專利名稱：基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于煙草配方技術(shù)領(lǐng)域，具體地說，是涉及一種利用初烤煙葉形成片煙的配方打葉優(yōu)化設(shè)計(jì)方法。
背景技術(shù)：
煙葉是煙草企業(yè)的基礎(chǔ)，要穩(wěn)定并提高卷煙產(chǎn)品的質(zhì)量和擴(kuò)大產(chǎn)品的市場占有率，卷煙所使用的煙葉至關(guān)重要。煙葉在采摘后首先需要進(jìn)行烤制形成初烤煙，然后將初烤煙配方打葉，形成片煙或者配方模塊，才能提供給卷煙企業(yè)配方使用。所謂配方打葉(或簡稱配打)就是在復(fù)烤加工中把不同等級、不同產(chǎn)地、不同部位、不同年份、不同批次的初烤煙根據(jù)一定的搭配比例進(jìn)行混合加工的方法，從而形成一個(gè)質(zhì) 量穩(wěn)定的片煙或者配方模塊，以供卷煙企業(yè)配方使用。配方打葉形成的片煙具有較大的數(shù)量、穩(wěn)定的化學(xué)成分、感官質(zhì)量和外觀質(zhì)量，為卷煙企業(yè)的二次配方、配方維護(hù)及卷煙品質(zhì)和風(fēng)格的穩(wěn)定提供了強(qiáng)有力的支撐。煙草企業(yè)每年都要從全國各地乃至世界其他國家收購幾百種初烤煙葉，并且每種煙葉不是一次收購?fù)瓿傻模且侄嗯少?。不同批次的煙葉質(zhì)量情況也不一致，導(dǎo)致煙草企業(yè)不能直接使用這些煙葉。由于煙葉內(nèi)部包含有上千種化學(xué)成分，主要的化學(xué)成分也有十幾種，例如總糖、總煙堿、還原糖、總氮、蛋白質(zhì)、氯、鉀、施木克值、糖堿比、鉀氯比、淀粉等。因此，如何使得每次配打的結(jié)果都能保持穩(wěn)定的質(zhì)量，是當(dāng)前企業(yè)非常關(guān)心的問題。限于以上因素，目前技術(shù)人員在進(jìn)行煙葉配打時(shí)，有的僅僅考慮配打的數(shù)量要求，即滿足企業(yè)的生產(chǎn)需要；有的僅僅考慮其中最主要的總煙堿指標(biāo)，無法同時(shí)滿足多個(gè)化學(xué)指標(biāo)，由此導(dǎo)致配打質(zhì)量出現(xiàn)波動，不利于卷煙企業(yè)生產(chǎn)的穩(wěn)定性。而且，目前所采用的配方打葉方案主要是由技術(shù)人員根據(jù)以往的配打經(jīng)驗(yàn)與規(guī)貝U、各等級初烤煙的煙堿指標(biāo)以及庫存量，手工計(jì)算出配打后片煙的煙堿值和配打總量。如果計(jì)算出的煙堿值和配打總量與目標(biāo)不相符，則需要再根據(jù)經(jīng)驗(yàn)進(jìn)行修改，其間要反復(fù)多次，且不能兼顧多個(gè)指標(biāo)項(xiàng)，經(jīng)常會出現(xiàn)在配打后片煙質(zhì)量不符合要求，難以滿足企業(yè)需要的情況。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，通過該方法可以提高配打結(jié)果的穩(wěn)定性，能夠滿足盡可能多的化學(xué)指標(biāo)項(xiàng)，減少人工經(jīng)驗(yàn)設(shè)計(jì)的反復(fù)性，節(jié)約成本和時(shí)間。為解決上述技術(shù)問題，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)
一種基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，包括以下步驟
(1)從煙葉數(shù)據(jù)庫中選擇η個(gè)初烤煙，并讀取所述η個(gè)初烤煙的庫存量和m個(gè)化學(xué)指標(biāo)項(xiàng)的指標(biāo)值；
(2)設(shè)定本次配打所形成的片煙的目標(biāo)值；(3)將所述的η個(gè)初烤煙作為η個(gè)基因，通過對每個(gè)基因隨機(jī)賦予不同的庫存量使用比例來形成一個(gè)染色體，并采用相同的方法形成多個(gè)不同的染色體，構(gòu)建產(chǎn)生一個(gè)初始種群;
(4)利用所述初始種群，采用遺傳算法計(jì)算出j個(gè)高適應(yīng)度的染色體；
(5)計(jì)算所述j個(gè)高適應(yīng)度的染色體是否滿足步驟(2)所設(shè)定的目標(biāo)值；
(6)將滿足目標(biāo)值的染色體作為初烤煙配方輸出。其中，在所述步驟(I)中，根據(jù)每一個(gè)初烤煙的庫存數(shù)量和選擇的m項(xiàng)化學(xué)指標(biāo)的指標(biāo)值，構(gòu)建出
η個(gè)初烤煙的庫存量集合K :K={kl，k2，…，ki，- ,kn}； η個(gè)初烤煙的m個(gè)化學(xué)指標(biāo)項(xiàng)所構(gòu)成的指標(biāo)值矩陣A
aU aU ■·· i3tIx、
Α α2 β22 ■·· α ·
A=。
2 ■·■ J在所述步驟(2)中，設(shè)定本次配打所形成的片煙的目標(biāo)值包括片煙的數(shù)量和設(shè)計(jì)允差、以及片煙的化學(xué)指標(biāo)目標(biāo)值和各目標(biāo)值的設(shè)計(jì)允差，建立
本次配打的目標(biāo)值集合{bQ, Id1, b2, ···, bi； ···, bj ；
本次配打的設(shè)計(jì)允差{cQ, C1, c2,…，Ci, ···, cj ；
其中，k為片煙的數(shù)量；b1; b2, ···, bi；…，匕為!!!個(gè)化學(xué)指標(biāo)的目標(biāo)值；
Ctl為片煙數(shù)量的設(shè)計(jì)允差；C1, C2，-,Ci,…，Cm為111個(gè)化學(xué)指標(biāo)的設(shè)計(jì)允差。在所述步驟(3)中，所述庫存量使用比例在0-1之間隨機(jī)產(chǎn)生，并形成s個(gè)染色體，由此構(gòu)建產(chǎn)生的初始種群為
111 ^12 ... C
P、= X2l X22 ….
\Xsl ... J
其中，表示第i個(gè)染色體中第j個(gè)初烤煙的庫存量使用比例。優(yōu)選的，所述s優(yōu)選取大于等于50的整數(shù)。進(jìn)一步的，在所述步驟(4)中包括以下步驟
(4-1)針對當(dāng)前建立的種群R，對每一個(gè)染色體計(jì)算m個(gè)指標(biāo)項(xiàng)所構(gòu)成的適應(yīng)度值
Vl=dsIlVil +% + …+
J2 =+ a23k2xi2 +■■■ + Xill
= !^ ++--+^A ^ ；
則第i個(gè)染色體的適應(yīng)度為;
Jj -4(4-2)從計(jì)算出的s個(gè)染色體適應(yīng)度中保留適應(yīng)度最高的染色體加入到集合{X}中；(4-3)按照遺傳算法策略對當(dāng)前種群進(jìn)行選擇、變異、交叉計(jì)算后，形成新的種群R，返回步驟(4-1)，循環(huán)執(zhí)行j次后，按照適應(yīng)度由高到低的次序排序，生成大小為j的染色體集合{X} = {X1;X2，...，Xi, ...，Xj}T。又進(jìn)一步的，在所述步驟(5)中，根據(jù)生成的染色體集合{X}，計(jì)算每一個(gè)染色體的m個(gè)化學(xué)指標(biāo)項(xiàng)是否滿足下式要求
A1(I-C1) < ^nk1X；1 +auk2xi2 + · · ■ + alsknxin < +
^2(1- ) "^21^1 +* ^ +…+ **! <hO+C2)
+^2*2^2 +- +^nkA〈KJX)；
計(jì)算每一個(gè)染色體的片煙數(shù)量是否滿足下式要求
^0(I-C0) <·^1Xn+.^2 +- +< 0(1+￡Γ0)；
其中，I < i(j ;挑選出同時(shí)滿足上述條件的染色體作為滿足目標(biāo)值要求的染色體。再進(jìn)一步的，在所述步驟(6)中，從滿足目標(biāo)值要求的染色體中挑選出前P個(gè)染色體，作為形成片煙的初烤煙配方輸出；所述P根據(jù)需要設(shè)定，即提供給用戶P個(gè)配方方案，供用戶選擇。優(yōu)選的，所述j取大于等于10的整數(shù)；所述P在1-10中取值。更進(jìn)一步的，在所述步驟(I)中，首先從煙葉數(shù)據(jù)庫中選擇N個(gè)不同類型、產(chǎn)地、品種、等級的初烤煙，然后根據(jù)初烤煙的產(chǎn)地、部位、品種配打規(guī)則，將不符合配打規(guī)則的初烤煙過濾，剩下η個(gè)初烤煙進(jìn)行配方的優(yōu)化設(shè)計(jì)。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果是本發(fā)明通過將遺傳算法應(yīng)用到初烤煙葉的配打方案設(shè)計(jì)中，不僅能夠綜合考慮片煙的數(shù)量、總糖、總氮、還原糖、總煙堿、氯、鉀等多個(gè)化學(xué)指標(biāo)項(xiàng)，使得相互制約的多個(gè)化學(xué)指標(biāo)項(xiàng)能夠同時(shí)達(dá)到最優(yōu)或者次優(yōu)，進(jìn)而獲得非常貼近用戶需求的配打方案；而且，配打方案自動形成，減少了人工經(jīng)驗(yàn)設(shè)計(jì)的反復(fù)性，節(jié)約了設(shè)計(jì)成本和時(shí)間。結(jié)合附圖閱讀本發(fā)明實(shí)施方式的詳細(xì)描述后，本發(fā)明的其他特點(diǎn)和優(yōu)點(diǎn)將變得更加清楚。


圖I是本發(fā)明所提出的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法的一種實(shí)施例的程序流程圖。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式
作進(jìn)一步詳細(xì)地說明。本實(shí)施例所提出的初烤煙葉配打方案利用遺傳算法進(jìn)行輔助優(yōu)化設(shè)計(jì)，可以根據(jù)不同品牌對不同煙葉質(zhì)量的不同需求，選定適合進(jìn)行配打的多個(gè)初烤煙集合，通過設(shè)定配打烤片的總糖、總煙堿、還原糖、總氮、蛋白質(zhì)、氯、鉀、施木克值、糖堿比、鉀氯比、預(yù)計(jì)產(chǎn)量等多項(xiàng)目標(biāo)約束條件，利用優(yōu)化組合技術(shù)，可以推薦出優(yōu)化方案列表和各個(gè)初烤煙的配打比例，并對配打方案的預(yù)計(jì)產(chǎn)量、理化指標(biāo)等進(jìn)行測算分析。所謂遺傳算法就是一種模擬達(dá)爾文進(jìn)化論思想的全局性搜索優(yōu)化算法。它在基因編碼、遺傳、變異、雜交、適應(yīng)與自然選擇、種群進(jìn)化等遺傳學(xué)與進(jìn)化論思想的基礎(chǔ)上，形成了一套迭代自適應(yīng)概率性搜索與優(yōu)化方法，比傳統(tǒng)的線性規(guī)劃方法搜索范圍更大，得到最佳或次佳解的可能性更大。下面結(jié)合圖I所示，對本實(shí)施例的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法進(jìn)行詳細(xì)的說明，具體包括以下步驟
S101、根據(jù)品牌對片煙質(zhì)量的需求情況，從煙葉數(shù)據(jù)庫中選擇N個(gè)不同類型、產(chǎn)地、品種、等級的初烤煙。若考慮部分初烤煙的產(chǎn)地、部位、品種配打規(guī)則，則需要首先將不符合配打規(guī)則的初烤煙過濾出來，僅對剩下的初烤煙進(jìn)行優(yōu)化設(shè)計(jì)。例如在配打規(guī)則中設(shè)定了只能使用煙葉的中部和上部，而從煙葉數(shù)據(jù)庫中選擇出的N個(gè)初烤煙中，上部、中部、下部都有，需要首先將下部煙葉過濾掉，僅留下中部煙葉和下部煙葉進(jìn)行后續(xù)的優(yōu)化設(shè)計(jì)。 在本實(shí)施例中，假設(shè)根據(jù)配打規(guī)則對初烤煙葉進(jìn)行過濾處理后，剩余的初烤煙的個(gè)數(shù)為η個(gè)，則針對所述的η個(gè)初烤煙進(jìn)行后續(xù)的優(yōu)化設(shè)計(jì)。S102、針對選擇出的η個(gè)初烤煙，從煙葉數(shù)據(jù)庫中讀取每一個(gè)初烤煙的庫存量，形成η個(gè)初烤煙的庫存量集合K={kl，k2，…，ki，…，kn};并從每一個(gè)初烤煙中讀取m個(gè)化學(xué)指標(biāo)項(xiàng)的指標(biāo)值，形成η個(gè)初烤煙的m個(gè)化學(xué)指標(biāo)項(xiàng)的指標(biāo)值矩陣
aIl aU ■·■
Λ _ a2l s22 ■■■ α2
-Λ =ο
AlH a^J在這里，所述的化學(xué)指標(biāo)項(xiàng)可以包括總糖、總煙堿、還原糖、總氮、蛋白質(zhì)、氯、鉀、施木克值、糖堿比、鉀氯比等多個(gè)，用戶可以根據(jù)需要選擇其中的m個(gè)化學(xué)指標(biāo)項(xiàng)，構(gòu)建所述的指標(biāo)值矩陣A。S103、設(shè)定本次配打所形成的片煙的目標(biāo)值，包括片煙的數(shù)量、片煙數(shù)量的設(shè)計(jì)允差、片煙的化學(xué)指標(biāo)目標(biāo)值以及各目標(biāo)值的設(shè)計(jì)允差。在本實(shí)施例中，片煙的化學(xué)指標(biāo)項(xiàng)即步驟S102中選定的m個(gè)化學(xué)指標(biāo)項(xiàng)，設(shè)定 本次配打的目標(biāo)值集合為{bQ, Id1, b2, ···, bi；…，bm};
本次配打的設(shè)計(jì)允差為{cQ, C1, c2,…，Ci, ···, cj ；
其中，
bQ為片煙的數(shù)量；b1; b2, ···, bi； ···, bm為m個(gè)化學(xué)指標(biāo)的目標(biāo)值；
Ctl為片煙數(shù)量的設(shè)計(jì)允差；C1, C2，-,Ci,…，Cm為111個(gè)化學(xué)指標(biāo)的設(shè)計(jì)允差。S104、利用選擇出的η個(gè)初烤煙進(jìn)行配打方案的優(yōu)化設(shè)計(jì)，具體包括以下步驟
(I)產(chǎn)生初始種群將所述的η個(gè)初烤煙作為η個(gè)基因，通過對每個(gè)基因隨機(jī)賦予不同
的庫存量使用比例來形成一個(gè)染色體，即r = (W· Xi。其中，6為第i個(gè)初烤煙的庫存量使用比例。當(dāng)A = O時(shí)，表示不選擇第i個(gè)初烤煙進(jìn)行配打方案的優(yōu)化設(shè)計(jì)；當(dāng)巧=I時(shí)，表示對第i個(gè)初烤煙的全部庫存量進(jìn)行使用；當(dāng)0 <& < I時(shí)，表示選擇第i個(gè)初烤煙進(jìn)行配打方案的優(yōu)化設(shè)計(jì)，并且?guī)齑媪康氖褂帽壤秊樗硎镜膶?shí)數(shù)。釆用相同的方法，隨機(jī)產(chǎn)生s組且每組η個(gè)0-1之間的隨機(jī)數(shù)，由此形成s個(gè)不同
的染色體，構(gòu)建產(chǎn)生一個(gè)規(guī)模為S的初始種群
權(quán)利要求
1.一種基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，包括以下步驟 (1)從煙葉數(shù)據(jù)庫中選擇η個(gè)初烤煙，并讀取所述η個(gè)初烤煙的庫存量和m個(gè)化學(xué)指標(biāo)項(xiàng)的指標(biāo)值； (2)設(shè)定本次配打所形成的片煙的目標(biāo)值； (3)將所述的η個(gè)初烤煙作為η個(gè)基因，通過對每個(gè)基因隨機(jī)賦予不同的庫存量使用比例來形成一個(gè)染色體，并采用相同的方法形成多個(gè)不同的染色體，構(gòu)建產(chǎn)生一個(gè)初始種群; (4)利用所述初始種群，采用遺傳算法計(jì)算出j個(gè)高適應(yīng)度的染色體； (5)計(jì)算所述j個(gè)高適應(yīng)度的染色體是否滿足步驟(2)所設(shè)定的目標(biāo)值； (6)將滿足目標(biāo)值的染色體作為初烤煙配方輸出。
2.根據(jù)權(quán)利要求I所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于在所述步驟(I)中，根據(jù)每一個(gè)初烤煙的庫存數(shù)量和選擇的m項(xiàng)化學(xué)指標(biāo)的指標(biāo)值，構(gòu)建出 η個(gè)初烤煙的庫存量集合K :K={kl，k2，…，ki，…，kn}； η個(gè)初烤煙的m個(gè)化學(xué)指標(biāo)項(xiàng)所構(gòu)成的指標(biāo)值矩陣A
3.根據(jù)權(quán)利要求2所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于在所述步驟(2)中，設(shè)定本次配打所形成的片煙的目標(biāo)值包括片煙的數(shù)量和設(shè)計(jì)允差、以及片煙的化學(xué)指標(biāo)目標(biāo)值和各目標(biāo)值的設(shè)計(jì)允差，建立本次配打的目標(biāo)值集合{bQ, Id1, b2, ···, bi； ···, bj ； 本次配打的設(shè)計(jì)允差{cQ, C1, c2,…，Ci, ···, cj ； 其中，k為片煙的數(shù)量；b1; b2, ···, bi；…，匕為!!!個(gè)化學(xué)指標(biāo)的目標(biāo)值； Ctl為片煙數(shù)量的設(shè)計(jì)允差；C1, C2，-,Ci,…，Cm為111個(gè)化學(xué)指標(biāo)的設(shè)計(jì)允差。
4.根據(jù)權(quán)利要求3所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于在所述步驟(3)中，所述庫存量使用比例在0-1之間隨機(jī)產(chǎn)生，并形成s個(gè)染色體，由此構(gòu)建產(chǎn)生的初始種群為
5.根據(jù)權(quán)利要求4所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于所述s取大于等于50的整數(shù)。
6.根據(jù)權(quán)利要求4所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于在所述步驟(4)中包括以下步驟(4-1)針對當(dāng)前建立的種群R，對每一個(gè)染色體計(jì)算m個(gè)指標(biāo)項(xiàng)所構(gòu)成的適應(yīng)度值
7.根據(jù)權(quán)利要求6所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于在所述步驟(5)中，根據(jù)生成的染色體集合{X}，計(jì)算每一個(gè)染色體的m個(gè)化學(xué)指標(biāo)項(xiàng)是否滿足下式要求 計(jì)算每一個(gè)染色體的片煙數(shù)量是否滿足下式要求
8.根據(jù)權(quán)利要求7所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于在所述步驟(6)中，從滿足目標(biāo)值要求的染色體中挑選出前P個(gè)染色體，作為形成片煙的初烤煙配方輸出；所述P根據(jù)需要設(shè)定。
9.根據(jù)權(quán)利要求8所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于所述j取大于等于10的整數(shù)；所述P在1-10中取值。
10.根據(jù)權(quán)利要求I至9中任一項(xiàng)所述的基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，其特征在于在所述步驟(I)中，首先從煙葉數(shù)據(jù)庫中選擇N個(gè)不同類型、產(chǎn)地、品種、等級的初烤煙，然后根據(jù)初烤煙的產(chǎn)地、部位、品種配打規(guī)則，將不符合配打規(guī)則的初烤煙過濾，剩下η個(gè)初烤煙進(jìn)行優(yōu)化設(shè)計(jì)。
全文摘要
本發(fā)明公開了一種基于遺傳算法的初烤煙配方打葉優(yōu)化設(shè)計(jì)方法，包括以下步驟從煙葉數(shù)據(jù)庫中選擇n個(gè)初烤煙，并讀取所述n個(gè)初烤煙的庫存量和m個(gè)化學(xué)指標(biāo)項(xiàng)的指標(biāo)值；設(shè)定本次配打所形成的片煙的目標(biāo)值；將所述的n個(gè)初烤煙作為n個(gè)基因，通過對每個(gè)基因隨機(jī)賦予不同的庫存量使用比例來形成一個(gè)染色體，并采用相同的方法形成多個(gè)不同的染色體構(gòu)建產(chǎn)生一個(gè)初始種群；利用所述初始種群采用遺傳算法計(jì)算出j個(gè)高適應(yīng)度的染色體并計(jì)算所述j個(gè)高適應(yīng)度的染色體是否滿足設(shè)定的目標(biāo)值；將滿足目標(biāo)值的染色體作為初烤煙配方輸出。本發(fā)明通過將遺傳算法應(yīng)用到初烤煙葉的配打方案設(shè)計(jì)中，可以獲得非常貼近用戶需求的配打方案，節(jié)約了設(shè)計(jì)成本和時(shí)間。
文檔編號G06N3/12GK102799741SQ20121026662
公開日2012年11月28日 申請日期2012年7月30日 優(yōu)先權(quán)日2012年7月30日
發(fā)明者宮會麗, 馬琳濤, 石碩, 楊寧, 劉挺, 賀英, 劉國強(qiáng) 申請人:中國海洋大學(xué), 青島海大新星計(jì)算機(jī)工程中心