基于多目标优化算法的发酵过程控制方法研究的综述报告.docx

基于多目标优化算法的发酵过程控制方法研究的综述报告
随着发酵技术的发展，其在食品、制药、生化工程等领域中起着非常重要的作用。发酵过程中，通过优化控制参数来达到更好的生产效果是一个重要的研究方向。针对多个目标优化问题，约束式多目标优化算法成为研究的热点。本文将综述基于多目标优化算法的发酵过程控制方法研究现状。
1.单目标最优化方法在发酵过程控制中的应用
单目标函数最优化方法是最常见的优化方法之一。在发酵过程控制中，可以将关心的生产指标设为目标函数，来进行优化控制。以葡萄糖氧化酶发酵生产为例，Sharma等(2017)使用响应面法来构建目标函数，并利用梯度法来对其进行最优化。通过控制反应器温度和谷氨酰胺浓度，得到了更好的发酵效果。
2.多目标优化方法在发酵过程控制中的应用
发酵过程中，往往需要控制多个关心的生产指标，因此单目标优化方法可能无法满足这样的需求。多目标优化方法则可以同时考虑多个目标，从而得到更优的控制策略。例如，罗氏发酵生产中需要控制的指标包括培养物的遗传稳定性、生产能力和酮酸含量等多个方面。为了得到最佳的控制策略，Han等(2013)使用粒子群算法在约束条件下进行了多目标优化，成功地优化了多个生产指标。
3.非线性多目标优化方法在发酵过程控制中的应用
在发酵过程中，有些生产指标之间存在着非线性关系。这种情况下，传统的多目标优化方法可能无法有效地找到最优解。因此，需要使用更强大的非线性多目标优化算法。例如，Uzelac等(2014)提出了一种基于遗传算法的多目标优化方法，可以有效地处理非线性约束条件。该方法在酵母菌发酵生产方面有很好的应用，可以提高酒精含量，降低乙醇生成率。
4.基于模型预测控制的发酵过程控制方法
基于模型预测控制的发酵过程控制方法则是另外一种常见的控制方法。该方法首先基于传递函数建立数学模型，然后对模型进行预测，并根据预测结果进行反馈控制。通过使用该方法，可以更好地控制多个生产指标，例如产酸、产牛磺酸等。
综上所述，针对发酵过程控制中的多目标优化问题，约束式多目标优化算法能够提供更佳的优化控制策略。在这一领域中，基于模型预测控制的方法也有着广泛的应用。未来，应当继续加强对此方向的研究，以期提高发酵过程的生产效率和降低生产成本。