[发明专利]人工智能技术对组织培养方案进行单目标优化选择的方法

说明书

技术领域

本发明属于生物技术领域中的植物组织培养技术，具体涉及人工智能技术对组织培养方案进行单目标优化选择的方法。

背景技术

植物组织培养是20世纪之初，以植物生理学为基础发展起来的一门新兴技术。即在无菌条件下，将离体的植物器官(如根尖、茎尖、叶、花、未成熟的果实、种子等)、组织(如形成层、花药组织、胚乳、皮层等)、细胞(如体细胞、生殖细胞等)、胚胎(如成熟和未成熟的胚)、原生质体培养在人工配制的培养基上，给予适宜的培养条件，诱发产生愈伤组织或潜伏芽或长成完整植株的技术。

植物组织培养技术已在科研和生产上得到广泛应用，其具有加速育种、缩短繁殖过程、改良品质、节省空间、减少劳动、终年试验生产、不受自然条件限制等特点。此技术在推动农业现代化方面已有了巨大的经济效益、社会效益和生态效益，被世人誉为农业发展史上的第四次绿色革命，对解决经济和社会发展所面临的人口增长、农业资源匮乏、环境污染等重大问题，具有重要的战略意义。

由于影响植物组织培养效果的因素较多，如温度、光照、无机盐浓度、激素的浓度与配比、材料消毒时间等，要想找到对某一材料较优的组织培养方案需进行大量的试验，但该方法也仅能从实验点中筛选出较优方案，为了寻找实验点外更优的实验组合，在实际操作中需要对筛选出的方案不断地进行细化，并多次实验以确定更优的方案，这无疑增大了人力、物力的投入。

发明内容

本发明的目的在于：提供人工智能技术对组织培养方案进行单目标优化选择的方法，根据初步实验获得的数据，运用BP人工神经网络和GA遗传算法两种人工智能技术对植物组织培养方案进行单目标寻优，加速培养方案优化过程，提高组织培养效果，减少人力、物力投入，降低培养成本。

本发明的技术解决方案是该方法依次包括以下步骤：对原始组织培养实验数据进行复制加倍，对复制加倍的实验数据进行归一化处理，利用BP建立数学模型，通过GA对数学模型进行单目标寻优，利用寻优得到的方案进行实验。

本发明方法的具体步骤如下：

1.对初步获得的实验数据复制2-10次，加倍后分别添加0-10％的随机干扰；方法为：y＝x+t，t＝-0.1x+0.2x·rand；y表示添加干扰后的数据，x表示原始实验数据，rand表示[0 1]范围内的随机数；

2.根据各实验因素水平的取值范围，对步骤1中添加了干扰的数据进行归一化处理，使其处于[-1 1]；方法为：y=2(x-xmin)xmax-xmin-1,]]>y表示归一化后的数据，x_min和x_max分别表示某一实验因素水平的最小和最大取值，x表示待归一化处理的因素水平数值；