全 文 ：遗传算法在秦皮提取液混批勾兑中的应用
杨铭，周寅敏，陈佳蕾，余敏英，史秀峰，顾希钧
（上海中医药大学 附属龙华医院 药剂科，上海 ２０００３２）
［摘要］ 目的：探讨遗传算法用于秦皮提取液多目标混批勾兑的可行性。方法：选择指纹图谱相似度和指标性成分含量
的均方根误差为共同优化目标，对１０批不同来源、批次的秦皮提取液建立多目标优化模型，运用遗传算法求得勾兑系数，对各
批次提取液进行混批勾兑，以相似度和均方根误差评价确定勾兑后提取液的质量。结果：各批次秦皮提取液混批勾兑后，其
质量明显改善，与对照样品间的指纹图谱相似度显著提高，变异程度降低，指标性成分相对偏差小于１０％。结论：遗传算法
可用于秦皮提取液多目标的混批勾兑，为中药提取液的质量控制提供新思路。
［关键词］ 秦皮提取液；指纹图谱；多目标优化；遗传算法；混批勾兑
［收稿日期］ ２００９０５２５
［通信作者］ 杨铭，硕士，药师，主要从事中西药物制剂工艺及质
量控制研究，Ｔｅｌ：（０２１）６４３８５７００７３０８，Ｅｍａｉｌ：ｙａｎｇｐｌｕｓｚｈｕ＠ｓｉｎａ．
ｃｏｍ
中药产品质量不稳定的主要原因之一是中药原
料药材的质量不稳定。虽然可通过实施规范化种植
来保证原料药材的质量，但由于生物的多样性，以及
采收季节、气候等不同，药材的质量仍会产生一定的
波动。近几年来，中药研究工作者借鉴酿酒工艺的
勾兑技术，尝试使用混批勾兑技术来稳定中药材的
质量，即将不同批次的药材，按照一定比例重新进行
组合，进而调整控制药材中各种成分之间比例的过
程。目前的勾兑研究主要是在中药色谱指纹图谱的
基础上进行的，勾兑的方法主要有线性规划，混合均
一化［１］及非线性最小二乘法［２］等，以上方法或以指
纹图谱相似度［３］为目标，或以指标性成分含量［２］为
目标计算勾兑系数。相似度评价虽然能从整体上，
宏观上控制中药的质量，但是相似度强调的是成分
的比例关系，没有从成分的绝对含量上进行有效的
控制；指标性成分的含量虽然能较大程度的反映中
药的质量，但是缺乏对中药整体性，宏观性的控制。
因此，如果在指纹图谱和指标性成分含量相结合的
质量控制标准下，将能更为有效的保证中药产品质
量的稳定均一。
遗传算法（ＧＡ）［４］是一种基于自然选择和基因
遗传学原理的优化搜索方法。它将“优胜劣汰，适
者生存”的生物进化原理引入待优化参数形成的编
码串群体中，按照一定的适配值函数及一系列遗传
操作对每一个个体进行筛选，从而使适配值高的个
体被保留下来，组成新的群体，新群体中各个体适应
度不断提高，直到满足一定的极限条件。此时，群体
中适配值最高的个体即为待优化参数的最优解。正
是由于遗传算法方便的分种群操作，使之特别适用
于多目标优化问题。
秦皮具有清热燥湿，收涩，明目的功能，作为上
海中医药大学附属龙华医院制剂秦冰滴眼液的主要
原料药材，其质量的好坏将直接关系到制剂质量的
稳定。为保证批次间的质量稳定均一，可将不同批
次的秦皮提取液进行混批勾兑，使得到的混合提取
液与标准提取液尽可能一致。本文根据指纹图谱和
指标性成分含量相结合的质量控制标准，提出一种
秦皮提取液多目标优化的质量控制方法，在建立能
同时控制秦皮提取液多个指标性成分含量和指纹图
谱的混合优化模型基础上，用遗传算法求得最优的
混合比例。
１ 材料及编程软件
日本岛津 ＬＣ１０Ａｖｐ高效液相色谱仪，ＳＰＤ
１０Ａｖｐ紫外检测器，ＣＴＯ１０Ａｖｐ柱温箱，Ｃｌａｓｓｖｐ色
谱工作站，ＫｒｏｍａｓｉｌＬＡＡＩＫＲ００６Ｃ１８色谱柱（４６
ｍｍ×２５０ｍｍ，５μｍ），ＳＢＸＺ１Ａ恒温水浴锅（上海
申玻仪器公司），ＳａｒｔｏｒｉｕｓＢＳ１１０Ｓ精密电子天平。
秦皮甲素（批号０７４０２００１０４）、秦皮乙素（批号
１１０７４１２００５０６）与秦皮素（批号１１１７３１２００５０１）对
照品均购自中国药品生物制品检定所，甲醇为色谱
纯，水为纯净水，其他试剂均为分析纯。使用的软件
为中药色谱指纹图谱相似度评价系统（Ａ版），英国
·４９５２·
第３４卷第２０期
２００９年１０月
Ｖｏｌ．３４，Ｉｓｓｕｅ ２０
Ｏｃｔｏｂｅｒ，２００９
谢菲尔德（Ｓｈｅｆｉｅｌｄ）大学开发的基于ＭＡＴＬＡＢ的遗
传算法工具箱。
２ 药材及饮片
本实验所选用的１０批秦皮均通过上海市药品
检验所吴赵云教授鉴定，其来源见表１。秦皮对照
药材购自中国药品生物制品检定所。
表１ 秦皮来源及批号
秦皮
药材
产地 批号 来源
Ｓ０ － １２１４１５２００７０２ 中国药品生物制品鉴定所
Ｓ１ 陕西 ２００８０４２８ 上海虹桥药业有限公司
Ｓ２ 陕西 ２００７０９２６ 上海虹桥药业有限公司
Ｓ３ 陕西 ２００７０９２５ 上海万仕诚国药制品有限公司
Ｓ４ 辽宁 ２００７０８０３ 上海养和堂中药饮片有限公司
Ｓ５ 陕西 ２００８０１０７ 上海虹桥药业有限公司
Ｓ６ 陕西 ２００６１２１８１２ 上海华浦中药饮片有限公司
Ｓ７ 陕西 ２００７１０２５０２ 上海德华国药制品有限公司
Ｓ８ 陕西 ２００６１２０１０７ 上海德华国药制品有限公司
Ｓ９ 辽宁 ２００８０２０２ 北京同仁堂崇文门药店
Ｓ１０ 亳州 ２００７０８２７ 安徽亳州五星药业公司
３ 方法与结果
３．１ 溶液的配置
３．１．１ 供试品溶液制备 精密称取秦皮药材粗粉
２００ｇ，置于５０ｍＬ具塞锥形瓶中，精密移取５０ｍＬ
水，摇匀。超声提取８０ｍｉｎ，过滤，精密吸取３ｍＬ续
滤液至１０ｍＬ量瓶，定容至刻度，高速离心１０ｍｉｎ，
微孔滤膜（０４５μｍ）过滤，滤液避光冷藏，作为供试
品溶液。
３．１．２ 对照品溶液制备 精密称取秦皮甲素对照
品１０ｍｇ、秦皮乙素对照品 ５ｍｇ、秦皮素对照品 ５
ｍｇ，分别置于３个１０ｍＬ量瓶中，精密加入甲醇至
刻度，避光冷藏，作为对照品母液。再精密移取秦皮
甲素母液３ｍＬ，秦皮乙素母液１５ｍＬ，秦皮素母液
０５ｍＬ至１０ｍＬ量瓶，用甲醇定容至１０ｍＬ，混匀，
避光冷藏，作为对照品混合液。
３．１．３ 对照药材溶液制备 取对照药材，按３１１
项下方法进行制备，作为对照药材溶液。
３．２ 色谱条件和系统适应性
ＫｒｏｍａｓｉｌＬＡＡＩＫＲ００６Ｃ１８柱（４６ｍｍ×２５０
ｍｍ，５μｍ）；流动相甲醇０１％磷酸水（１３∶８７）；柱
温４０℃；流速１０ｍＬ·ｍｉｎ－１；进样量２０μＬ；检测
波长３４０ｎｍ；检测时间７０ｍｉｎ。
供试品溶液在此色谱条件下进样各峰分离情况
良好，理论塔板数以秦皮甲素峰（１６８２ｍｉｎ），秦皮
乙素峰（２９０２ｍｉｎ），秦皮素峰（５９１２ｍｉｎ）计不小
于３０００，所有组分均在７０ｍｉｎ内被检测完毕。
３．３ 方法学考察
３．３．１ 精密度试验 将１０号样本按３１１项中的
制备方法进行制备，将此样本连续进样６次，每次进
样量为２０μＬ。在３２项色谱条件下进行ＨＰＬＣ检测
分析。以药典委员会推荐的“中药色谱指纹图谱相似
度评价系统（Ａ版）”对上述秦皮提取液指纹图谱进
行分析，以秦皮甲素峰为参照得各主要色谱峰相对保
留时间和相对峰面积比值的ＲＳＤ均小于３％。
３．３．２ 重复性试验 将１０号样本按３１１项中的
制备方法进行制备，平行制备６个样本，每样本分别
进样量 ２０μＬ。在 ３２项中的色谱条件下进行
ＨＰＬＣ检测分析。以药典委员会推荐的“中药色谱
指纹图谱相似度评价系统（Ａ版）”对上述秦皮提取
液指纹图谱进行分析，以秦皮甲素峰为参照得各主
要色谱峰相对保留时间和相对峰面积比值的 ＲＳＤ
均小于３％。
３．３．３ 稳定性试验 将１０号样本按３１１项中的
制备方法进行制备，在 ０，６，２４，２７，３０，４８，５１，５４ｈ
进样，共８次，每次进样２０μＬ，在３２项色谱条件
下进行 ＨＰＬＣ检测分析。以药典委员会推荐的“中
药色谱指纹图谱相似度评价系统（Ａ版）”对上述秦
皮提取液指纹图谱进行分析，以秦皮甲素峰为参照
得各主要色谱峰相对保留时间和相对峰面积比值的
ＲＳＤ均小于３％，证明供试品溶液在５４ｈ内稳定。
３．４ 样品测定
取１０批秦皮药材及对照药材，按３１１项中方
法进行制备，分别进样２０μＬ，在３２项色谱条件下
进行检测，结果见图１。共检测到９个共有峰，峰１
（７７２ｍｉｎ），峰２（１０３３ｍｉｎ），峰３（１５１２ｍｉｎ），峰
４（１６９８ｍｉｎ），峰５（２７５２ｍｉｎ），峰６（２９１６ｍｉｎ），
峰 ７（３３４４ｍｉｎ），峰 ８（４４７８ｍｉｎ），峰 ９（５９３１
ｍｉｎ）。计算得出，９个共有峰的峰面积之和占总峰
面积的９８％以上。其中峰４（秦皮甲素）、峰６（秦皮
乙素）、峰 ８（未知）、峰 ９（秦皮素）占总峰面积的
９０％以上，定义为４强峰，可以认为这４个组分包含
了秦皮中主要的香豆素类药效成分，基本可以反映
药材的质量。
３．５ 秦皮提取液的混批勾兑
本实验在秦皮提取液ＨＰＬＣ指纹图谱研究的基
·５９５２·
第３４卷第２０期
２００９年１０月
Ｖｏｌ．３４，Ｉｓｓｕｅ ２０
Ｏｃｔｏｂｅｒ，２００９
图１ 秦皮提取液指纹图谱
础上，尝试通过混批勾兑技术，以探索提高秦皮提
取液质量的可能性。从１０个供试品溶液中抽取４
个 （Ｓ０，Ｓ２，Ｓ５，Ｓ１０号样品）作为参照样本。通
过多目标优化确定勾兑系数，选择４强峰的相对含
量和指纹图谱的相似度，共同作为勾兑效果的衡量
指标。
３．５．１ 线性混合模型 按照中药原药材 ＨＰＬＣ指
纹图谱的进行混批勾兑主要是基于每种成分 ＨＰＬＣ
峰面积含量的线性加和性，如下面公式１［５］所示：
Ｓ＝∑
ｉ
ｂｉ×Ｓｉ（ｂｉ０） （１）
Ｓ为勾兑后某一成分的峰面积含量，Ｓｉ为勾兑
前每批次药材中该成分的峰面积含量，ｂｉ为每批次
药材的勾兑系数。按照一定比例勾兑后的药材，其
每一成分 ＨＰＬＣ指纹图谱峰面积含量为参与勾兑各
药材该成分峰面积含量的比例加和。这里的相对含
量系指成分ＨＰＬＣ色谱峰面积与取样量的比值，即
单位质量的峰面积，计算公式２［３］如下：
Ｃｉｊ＝
Ａｉｊ
ｍｉ
（２）
其中 Ｃｉｊ为 ｉ号样品第 ｊ号峰单位质量的峰面
积。Ａｉｊ为 ｉ号样品第 ｊ号峰的峰面积。ｍｉ为 ｉ号样
品的取样量。计算结果见表２。
３．５．２ 多目标优化数学模型 本实验采用中药指
纹图谱相似度和指标性成分的均方根误差（ｒｏｏｔ
ｍｅａｎｓｑｕａｒｅｅｒｏｒ，ＲＭＳＥ）为质量评价指标。秦皮提
取液多目标优化的目标是使得到的混合提取液质量
稳定均一，即混合提取液和参照提取液指纹图谱之
间的相似度尽可能大，而指标性成分的 ＲＭＳＥ尽可
能的小，这在数学上可以描述为一个优化模型，其２
个目标函数为：
表２ ４强峰单位质量峰面积
秦皮
药材
峰４ 峰６ 峰８ 峰９
Ｓ０ ３２７１６０５ １２７９３９４ ２５６２６９７ ４４６７７０
Ｓ１ ２９０１６５６ １５２８１４３ １１５３４８６ ３４６１４２
Ｓ２ ２８２９７９３ １１３６００１ １２０８７６０ ３３２２２３
Ｓ３ １０９３７０４ ９５４７５９ １０８１２５８ ４３８２９４
Ｓ４ １１６５９５３ ９３３６７１ １２４０６０７ ４１５７８６
Ｓ５ ２５０５３２７ １２７１９９０ １１７２３３０ ４２２７５２
Ｓ６ １５１４９８１ １２６００５７ ７５８６６１ ４３６７０６
Ｓ７ ２２９９９６６ ９７００１５ １０９８７９４ ３１２４３７
Ｓ８ １９８４５５８ １２１４１０８ １２００５１３ ３４８５６８
Ｓ９ ４１２３９４５ ３２０７３２ ２９６５７３８ ３０１０４７
Ｓ１０ ３４９２６３５ ９４７９６７ １６３５９８９ ３３５５１８
Ｆ１：ｍｉｎ（１－ｃｏｓθ）；ｃｏｓθ＝
ｍ
ｋ＝１
ＹｋＹ′ｋ
ｍ
ｋ＝１
Ｙ２ｋ∑
ｍ
ｋ＝１
Ｙ′２槡 ｋ
（３）
Ｆ２：ｍｉｎ（ＲＭＳＥ）；ＲＭＳＥ＝
∑
ｎ
ｋ＝１
（Ｙ′ｋ－Ｙｋ）
２
槡 ｎ （４）
其中 ｃｏｓθ为指纹图谱相似度（夹角余弦法），
ＲＭＳＥ为单位质量峰面积的均方根误差，Ｙｋ为参照
样品第ｋ个峰的峰面积，Ｙ′ｋ为勾兑样品第 ｋ个峰的
峰面积，ｍ为总色谱峰数，ｎ为指标成分数，这里ｎ＝
４（４强峰）。
３．５．３ 并列选择遗传算法计算勾兑系数的基本思
想［６７］ 本研究采用并列选择法对勾兑系数进行多目
标优化求解，其基本思想是先将初始群体中的全部个
体按子目标函数的数目均等地划分为２个子群体，对
每个子群体分配给相应的子目标函数（适应度函数），
各子目标函数在相应的子群体中独立地进行选择运
算，各自选择出一些适应度高的个体组成１个新的子
群体，然后再将所有新生的子群体合并成１个完整的
·６９５２·
第３４卷第２０期
２００９年１０月
Ｖｏｌ．３４，Ｉｓｓｕｅ ２０
Ｏｃｔｏｂｅｒ，２００９
群体，在这个群体中进行交叉、变异运算，从而生成下
一代的完整群体，如此不断地进行“分割并列选择
合并”操作，最终可求得多目标优化的Ｐａｒｅｔｏ最优解
集。程序编译示意见图２。
图２ 并列选择遗传算法示意图
３．５．４ 并列选择遗传算法对勾兑系数进行多目标
寻优 用遗传算法对勾兑系数进行多目标寻优，数
据预处理方法为ｘｉｊ，ｎｅｗ＝ｘｉｊ，ｏｌｄ／（ｘｉｊ，最大 －ｘｉｊ，最小），由于
目标输出为二维，再将相应的维数作为相应的子目
标函数，采用二进制编码方式，初始种群大小为
２００，即每个子种群大小为 １００，选择随机遍历抽样
（ｓｕｓ），单点交叉（ｘｏｖｓｐ）概率为０７，变异（ｍｕｔ）概
率为０００７５，遗传代数为４０００代。用 ＭＡＴＬＡＢ进
行编程，运行结果见各子种群均值变化迭代图，见图
３，４。并可见当迭代到４０００代时，各适应度函数值
已趋向恒定。
图３ 子目标１（相似度）种群均值变化
３．５．５ 勾兑系数计算结果 根据遗传算法计算得
到以Ｓ０，Ｓ２，Ｓ５，Ｓ１０号样品为参照样品的４组勾兑
系数的结果见表３。
３．６ 提取液勾兑实验验证
分别以Ｓ０，Ｓ２，Ｓ５，Ｓ１０号样品为参照样品，按每
组勾兑系数，制备混合提取液。每组平行制备３个
样本，共１２个样本，各进样２０μＬ，进行ＨＰＬＣ分析。
图４ 子目标２（均方根误差）种群均值变化
表３ 勾兑系数
秦皮
药材
勾兑系数
Ｓ０ Ｓ２ Ｓ５ Ｓ１０
Ｓ０ － ０ ０ ０
Ｓ１ ００８０９ ０３４９０ ０１６５６ ００８２２
Ｓ２ ０ － ０１１９４ ０６２５１
Ｓ３ ０ ００００１ ００９７２ ０
Ｓ４ ０１５３８ ０ ０ ０
Ｓ５ ０ ００３３１ － ００３３４
Ｓ６ ００２３４ ０ ０３０１４ ０
Ｓ７ ０ ０１４３５ ０２０６２ ００７７０
Ｓ８ ０６６２１ ０ ０ ０
Ｓ９ ０４２５２ ００４４１ ００１７５ ０２５５１
Ｓ１０ ０ ０３３１６ ０１４５１ －
３．６．１ 混合提取液指标性成分含量评价 对勾兑
前后Ｓ０，Ｓ２，Ｓ５，Ｓ１０号样品４强峰单位质量峰面积
进行均方根误差计算，结果勾兑后样品４强峰均方
根误差较勾兑前有明显减小，变异程度较之勾兑前
明显减小。通过勾兑后的混合样品与参照样品的各
色谱峰峰面积的相对差异与勾兑前相比，各色谱峰
的峰面积与参照样品，相对误差小于±１０％。
３．６．２ 混合提取液相似度评价 对勾兑前后 Ｓ０，
Ｓ２，Ｓ５，Ｓ１０号样品运用夹角余弦法进行相似度计
算，结果勾兑后样品相似度较勾兑前有明显的提升，
变异程度较之勾兑前明显减小。
４ 结果
本实验提出运用遗传算法对秦皮提取液进行多
目标优化的混批勾兑，同时考虑了中药色谱指纹图
谱和多指标性成分含量的质量控制要求，通过多目
标优化计算得到勾兑系数，使不同批次秦皮提取液
勾兑后，相似度明显提高，变异程度明显减小，指标
性成分的相对偏差小于 ±１０％。经实验证明，运用
遗传算法对中药色谱指纹图谱和多指标性成分含量
·７９５２·
第３４卷第２０期
２００９年１０月
Ｖｏｌ．３４，Ｉｓｓｕｅ ２０
Ｏｃｔｏｂｅｒ，２００９
共同进行控制的混批勾兑技术切实可行。本实验方
法为保证秦皮提取液质量稳定均一性提供了一种新
方法，可用于秦皮提取液投料过程中的质量控制，具
有普遍推广价值。
５ 讨论
５．１ 提取时间的选择
曾对超声提取的时间做过考察，考察总时间达
１２０ｍｉｎ，并每间隔１０ｍｉｎ取样一次进行分析，结果
发现各色谱峰的单位质量峰面积在８０ｍｉｎ后趋于
恒定，由此确定提取时间为８０ｍｉｎ。
５．２ 数据的预处理
以遗传算法计算勾兑系数，要求离差平方和最
小，即不允许出现较大的绝对差异。相同的绝对差
异对于峰面积较大的峰可能影响不大，但对于峰面
积较小的峰影响较大，不能满足质量控制要求。所
以有必要对数据进行预处理，即放大小峰的差异，减
小大峰的差异。查阅文献［２］，并进行过多种预处
理方式的比较，结果发现按 ｘｉｊ，ｎｅｗ＝ｘｉｊ，ｏｌｄ／（ｘｉｊ，最大 －
ｘｉｊ，最小）处理后可以有效解决大小峰的量级差异，计
算的勾兑系数可以基本满足误差控制要求。
５．３ 谢菲尔德（Ｓｈｅｆｉｅｌｄ）遗传算法工具箱的使用
本实验采用了并列选择遗传算法进行多目
标优化，使用的是设菲尔德（Ｓｈｅｆｉｅｌｄ）遗传算法
工具箱中的基于排序的适应度分配函数，因此目
标值较低的就有较高的适应度，所以在求解极大
值时，需进行相反数变换，本研究要优选的 １个
指标为极大，因此将相似度函数Ｓ做Ｓ′＝１－Ｓ变
换后作为适应度函数。另外，由于遗传算法的初
始种群具有随机性，因此每次运算搜索到的结果
都有细小的差别，但是这并不会影响搜索到全局
的较优解［６７］。
［参考文献］
［１］ 罗晓芳，莫必琪，叶颖雅，等．混合均一化法对复方丹参提取物
质量控制的研究［Ｊ］．中草药，２００７，３８（１２）：１８１７．
［２］ 刘永锁，曹敏，陈玉英，等．中药材提取物的混批勾兑研究［Ｊ］．
色谱，２００６，２４（２）：１１７．
［３］ 王彬，黄河舟，朱臻宇，等．淫羊藿药材 ＨＰＬＣ指纹图谱的勾兑
研究［Ｊ］．药学实践杂志，２００８，２６（６）：４３２．
［４］ 雷英杰，张善文，李续武，等．ＭＡＴＬＡＢ遗传算法工具箱及应用
［Ｍ］．西安：西安电子科技大学出版社，２００５：４５．
［５］ 瞿海斌，欧丹林，程翼宇．中药提取物质量控制的一种新方法
探讨［Ｊ］．中国药学杂志，２００６，４１（１）：５７．
［６］ 杨铭，汪文娟．ＢＰ网络神经结合遗传算法用于丹参提取工艺
的多目标优化［Ｊ］．药学服务与研究，２００７，７（６）：４１７．
［７］ 杨铭，余敏英，史秀峰，等．ＢＰ神经网络结合遗传算法多目标优
化秦皮提取工艺的研究［Ｊ］．中国中药杂志，２００８，３３（２２）：２６２２．
Ａｐｐｌｉｃａｔｉｏｎｏｆｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｉｎｂｌｅｎｄｉｎｇｔｅｃｈｎｏｌｏｇｙｆｏｒ
ｅｘｔｒａｃｔｉｏｎｓｏｆＣｏｒｔｅｘＦｒａｘｉｎｉ
ＹＡＮＧＭｉｎｇ，ＺＨＯＵＹｉｎｍｉｎ，ＣＨＥＮＪｉａｌｅｉ，ＹＵＭｉｎｙｉｎｇ，ＳＨＩＸｉｕｆｅｎｇ，ＧＵＸｉｊｕｎ
（ＭｅｄｉｃａｍｅｎｔＤｅｐａｒｔｍｅｎｔｏｆＬｏｎｇｈｕａＨｏｓｐｉｔａｌＡｆｉｌｉａｔｅｄｔｏＳｈａｎｇｈａｉｕｎｉｖｅｓｉｔｙｏｆｔｒａｄｉｔｉｏｎａｌ
ＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅ，Ｓｈａｎｇｈａｉ２０００３２，Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔ］ Ｏｂｊｅｃｔｉｖｅ：Ｔｏｅｘｐｌｏｒｅｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ（ＧＡ）ｏｎｍｕｌｔｉｐｌｅｏｂｊｅｃｔｉｖｅｂｌｅｎｄｉｎｇｔｅｃｈｎｏｌｏｇｙｆｏｒｅｘ
ｔｒａｃｔｉｏｎｓｏｆＣｏｒｔｅｘＦｒａｘｉｎｉ．Ｍｅｔｈｏｄ：Ａｃｃｏｒｄｉｎｇｔｏｔｈａｔｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｂｊｅｃｔｉｖｅｗａｓｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｆｉｎｇｅｒｐｒｉｎｔｓｉｍｉｌａｒｉｔｙａｎｄｔｈｅ
ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｏｒｏｆｍｕｌｔｉｐｌｅｋｅｙｃｏｎｓｔｉｔｕｅｎｔｓ，ａｎｅｗｍｕｌｔｉｐｌｅｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｏｆ１０ｂａｔｃｈｅｓｅｘｔｒａｃｔｉｏｎｓｏｆＣｏｒｔｅｘ
Ｆｒａｘｉｎｉｗａｓｂｕｉｌｔ．Ｔｈｅｂｌｅｎｄｉｎｇｃｏｅｆｉｃｉｅｎｔｗａｓｏｂｔａｉｎｅｄｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ．Ｔｈｅｑｕａｌｉｔｙｏｆ１０ｂａｔｃｈｅｓｅｘｔｒａｃｔｉｏｎｓｏｆＣｏｒｔｅｘＦｒａｘｉｎｉ
ｔｈａｔａｆｔｅｒｂｌｅｎｄｉｎｇｗａｓｅｖａｌｕａｔｅｄｗｉｔｈｔｈｅｆｉｎｇｅｒｐｒｉｎｔｓｉｍｉｌａｒｉｔｙａｎｄｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｏｒａｓｉｎｄｅｘｅｓ．Ｒｅｓｕｌｔ：Ｔｈｅｑｕａｌｉｔｙｏｆ１０ｂａｔ
ｃｈｅｓｅｘｔｒａｃｔｉｏｎｓｏｆＣｏｒｔｅｘＦｒａｘｉｎｉｔｈａｔａｆｔｅｒｂｌｅｎｄｉｎｇｗａｓｗｅｌｉｍｐｒｏｖｅｄ．Ｃｏｍｐａｒｉｎｇｗｉｔｈｔｈｅｆｉｎｇｅｒｐｒｉｎｔｏｆｔｈｅｃｏｎｔｒｏｌｓａｍｐｌｅ，ｔｈｅｓｉｍｉ
ｌａｒｉｔｙｗａｓｕｐ，ｂｕｔｔｈｅｄｅｇｒｅｅｏｆｖａｒｉａｔｉｏｎｉｓｄｏｗｎ．Ｔｈｅｒｅｌａｔｉｖｅｄｅｖｉａｔｉｏｎｏｆｔｈｅｋｅｙｃｏｎｓｔｉｔｕｅｎｔｓｗａｓｌｅｓｓｔｈａｎ１０％．Ｃｏｎｃｌｕｓｉｏｎ：Ｉｔｉｓ
ｐｒｏｖｅｄｔｈａｔｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｗｏｒｋｓｗｅｌｏｎｍｕｌｔｉｐｌｅｏｂｊｅｃｔｉｖｅｂｌｅｎｄｉｎｇｔｅｃｈｎｏｌｏｇｙｆｏｒｅｘｔｒａｃｔｉｏｎｓｏｆＣｏｒｔｅｘＦｒａｘｉｎｉ．Ｔｈｉｓｍｅｔｈｏｄｃａｎｂｅ
ａｒｅｆｅｒｅｎｃｅｔｏｃｏｎｔｒｏｌｔｈｅｑｕａｌｉｔｙｏｆｅｘｔｒａｃｔｉｏｎｓｏｆＣｏｒｔｅｘＦｒａｘｉｎｉ．ＧｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｉｎｂｌｅｎｄｉｎｇｔｅｃｈｎｏｌｏｇｙｆｏｒｅｘｔｒａｃｔｉｏｎｓｏｆＣｈｉｎｅｓｅ
ｍｅｄｉｃｉｎｅｓｉｓａｄｖｉｓａｂｌｅ．
［Ｋｅｙｗｏｒｄｓ］ ｅｘｔｒａｃｔｉｏｎｏｆＣｏｒｔｅｘＦｒａｘｉｎｉ；ｃｈｒｏｍａｔｏｇｒａｐｈｙｆｉｎｇｅｒｐｒｉｎｔ；ｍｕｌｔｉｐｌｅｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ；ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ；
ｂｌｅｎｄｉｎｇｔｅｃｈｎｏｌｏｇｙ ［责任编辑 周驰］
·８９５２·
第３４卷第２０期
２００９年１０月
Ｖｏｌ．３４，Ｉｓｓｕｅ ２０
Ｏｃｔｏｂｅｒ，２００９