技術(shù)特征：

1.一種基于機(jī)器學(xué)習(xí)和多目標(biāo)遺傳算法的緩釋制劑處方優(yōu)化方法，其特征在于：包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)和多目標(biāo)遺傳算法的緩釋制劑處方優(yōu)化方法，其特征在于：步驟s1具體如下：

3.根據(jù)權(quán)利要求2所述的一種基于機(jī)器學(xué)習(xí)和多目標(biāo)遺傳算法的緩釋制劑處方優(yōu)化方法，其特征在于：步驟s2具體如下：

4.根據(jù)權(quán)利要求3所述的一種基于機(jī)器學(xué)習(xí)和多目標(biāo)遺傳算法的緩釋制劑處方優(yōu)化方法，其特征在于：步驟s3具體如下：

5.根據(jù)權(quán)利要求4所述的一種基于機(jī)器學(xué)習(xí)和多目標(biāo)遺傳算法的緩釋制劑處方優(yōu)化方法，其特征在于：步驟s3中，nsga-ⅱ還采用了精英策略，就是在每一代進(jìn)化中，將父代個體和子代個體結(jié)合，通過競爭來獲得下一代的交叉“父代”，這種做法能夠使父代中若干個體的優(yōu)良性得以傳承。

技術(shù)總結(jié)
本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)和多目標(biāo)遺傳算法的緩釋制劑處方優(yōu)化方法，涉及醫(yī)藥處方優(yōu)化領(lǐng)域。具體為：采用自適應(yīng)Lasso對緩釋制劑數(shù)據(jù)進(jìn)行協(xié)變量篩選；基于不同時點累積釋放度和藥物處方建立重復(fù)測量數(shù)據(jù)模型；將上述模型與NSGA?Ⅱ結(jié)合以實現(xiàn)多目標(biāo)優(yōu)化過程。本發(fā)明首次將變量選擇方法與重復(fù)測量數(shù)據(jù)模型建立方法及多目標(biāo)遺傳算法結(jié)合，創(chuàng)建基于機(jī)器學(xué)習(xí)和多目標(biāo)遺傳算法的緩釋制劑處方優(yōu)化系統(tǒng)，該系統(tǒng)使得緩釋制劑配方優(yōu)化合理可行，大大減少了用預(yù)實驗來探索最佳處方配比的次數(shù)，節(jié)約人力、物力和財力，對于解決醫(yī)藥學(xué)領(lǐng)域中多目標(biāo)尋優(yōu)問題具有實際的指導(dǎo)意義及應(yīng)用價值，且可推廣至其他領(lǐng)域多目標(biāo)優(yōu)化問題的應(yīng)用中。

技術(shù)研發(fā)人員：喬宇超,仇麗霞,崔宇,王旭春,任浩
受保護(hù)的技術(shù)使用者：山西醫(yī)科大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19