李航,黎盛强,周恩丽,王团结,章晨峰,张欣,肖伟,,王振中,

    (1.南京中医药大学康缘中药学院,江苏 南京 210023;2.中药制药过程控制与智能制造技术全国重点实验室,江苏 连云港 222001;3.江苏康缘药业股份有限公司,江苏 连云港 222001)

    安慰剂又称模拟剂,指不具有药理活性,在外观、颜色、气味、味道等方面与实验用药物相同或基本接近的制剂,常用于临床试验研究[1]。中药复方制剂的化学成分复杂,具有独特的气味、色泽和口感,通常采用多种色素、辅料和矫味剂进行处方筛选试验,以人工评价打分的方式进行评价,主观性强,很难达到模拟剂的质量要求[2]。

    计算机配色技术的发展已有二三十年的历史,各种配色理论和算法都在不断地被提出,并逐渐在印染、涂料、油墨以及塑料着色行业中应用。其最大的意义在于以数字描述颜色,把配色和颜色评价这一传统的匠人技艺上升为科学技术,使得我们可以借助于现代计算机技术来处理生产中遇到的颜色问题,使传统的处方筛选和人工评价方式逐渐向现代的计算机配色和仪器评价方式过渡。邓晓刚提出了基于分区域改进粒子群算法优化的反向传播(Back propagation,BP)神经网络模型[3],很好地改善了传统油墨配色中精度低、过程繁琐和配色理论计算量繁杂的问题。代献泽基于粒子群优化的BP神经网络和计算机视觉设计了一套胶囊配色系统[4],解决了人工胶囊配色主观性强、工作效率低和配色效果难以保证等问题。

    BP神经网络是一种按误差逆传播算法训练的多层前馈神经网络,具有较强的非线性映射能力、自适应和容错能力,可以通过学习找出输入与输出之间的规律,适合于解释变量之间的复杂关系[5]。由于BP神经网络依赖于网络的初始值和阈值,且存在训练时收敛速度慢、易陷入局部极小值的缺点,因此出现了确定连接权值和阈值的优化算法[6]。其中,粒子群优化算法(Particle swarm optimization,PSO)是由James Kennedy和Russell Eberhart建立的一种全局搜索算法,不存在局部收敛问题;跟其他智能优化算法相比,算法结构相对简单,且易于实现,收敛速度比较快,且其最广泛的应用范围就是参数优化[7-8]。利用粒子群算法代替BP网络中梯度下降法,可以更好地优化BP网络各层间的连接权值和阈值[9]。

    综上所述,本研究选择中药安慰剂模拟中常用的柠檬黄、亮蓝、苋菜红、焦糖色4种着色剂添加的质量分数作为输入,以制备的安慰剂样品颜色参数L、a*、b*值作为输出,构建BP神经网络模型;使用PSO算法优化BP神经网络的初始权重和偏置,使BP神经网络跳过陷入局部极值的陷阱;通过采用线性递减惯性权重法和引入变异算子提高粒子群算法的全局寻优能力,进一步降低模型的误差,提高模型的鲁棒性 ......