《表5 优化前后培养基成分和产量对比Table 5 Fermentation medium and production yield before and after optimization》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工神经网络耦合遗传算法优化细菌纤维素发酵培养基》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用ANN的6-5-1模型建立了BC产量和培养基组分之间的对应关系，并以此为GA的适应度函数，进行全局寻优。为了提高寻优概率和精度，把每个组分划分为30等份，故每个参数的子串长度L为5，6个参数组合在一起形成长度L为30的染色体。GA随机生成初始种群20个，然后利用神经网络模型得到各个个体的适应度，并对其进行遗传操作，每代个体之间通过轮盘赌方法选择适应度值大的优秀基因，然后通过两点交叉（交叉概率0.8）交流各自的优秀基因及随机变异（变异概率0.05），产生新的基因型和种群，对新种群进行评价，判断其是否满足算法停止准则，若不满足，则继续依次进行迭代，直到适应度个体最高的个体出现为止。种群在迭代50代时停止，给出了最大的产量和相应的各因素值，GA寻优结果如图6所示。最佳培养基配方为:葡萄糖3.98%、牛肉膏0.34%、酵母膏0.19%、磷酸氢二钠0.22%、磷酸氢二钾0.46%、乙醇2.23%，最优产量为2.92 g·L-1。用优化后的培养基进行发酵验证，与同批发酵的优化前培养基对比，细菌纤维素产量提高了1.18倍，最大产量为2.87 g·L-1，与预测值相比，误差小于2%。表明ANN耦合GA非常适合用于BC发酵这种高度非线性的生物系统，所建立的模型具有较高的仿真精度，能够精确地拟合汉氏葡糖醋杆菌发酵时细菌纤维素的产量与发酵培养基之间的内在关系，模型预测结果和实际结果比较吻合。