在药学研究领域存在很多的药物处方优化的问题。例如将药物的有效成分、辅料、填充剂等成分按照一定的比例混合在一定条件下而制成。混料试验,就是通过实物试验或非实物试验,考察混料的某种特性或综合性能与各种混料分成之间的关系。每个混料成分的含量都必须表示成混料的百分比,且总和必须是1.在各组分构成比总和为1或100%的约束条件下,如何进行混料试验设计,如何构建数学模型,如何确定最优配方、配比条件,以达到降低成本、提高效益的目的是混料试验优化研究的一个重要问题。传统的配方、配比优化方法经常用到直接法、等高线图法、爬山法、投影追踪法等,但是传统方法存在极大的主观性或者局部最优的问题。并不能完全解决实际工作中遇到的问题,限制了在医药学研究领域中的应用。近年来新发展的遗传算法(genetic algorithm, GA)是一种基于Darwin的进化论和Mendel的遗传学说的全新随机搜索与优化算法,模拟生物进化过程中适者生存规则,可有效地避免局部优化。在对有约束条件的混料设计寻优方法中,遗传算法表现出比传统方法更大的优势。本课题在介绍了单形格子、单形重心混料设计和遗传算法的基础上,把这两种方法结合起来,为药学研究中混料试验设计单目标优化问题提供了可行的方案。第一部分混料试验设计的概述。介绍了混料设计的概念、模型建立以及混料区域的几何解释；介绍了单形格子、单形重心混料设计的概念、试验原理。单形格子将试验点取在相应阶数的正单形格子点上,由于{p,d}阶单形格子的试验点正好与所采用的d阶完全多项式回归模型中待估计参数的个数相等,所以是饱和设计,是在“试验次数最少”意义下的最优设计；单形重心设计仅取j顶点重心(j=1,2,…,p)作为试验点,单形重心设计也是饱和设计,且单形重心试验点的非零坐标均相等,这就消除了由于非零坐标不相等对回归系数估计值的影响。第二部分单目标优化的遗传算法。介绍了遗传算法的原理、基本步骤,突出遗传算法优化混料设计药物处方配比的优势。第三部分遗传算法优化混料试验设计的效果评价。通过标准测试函数对遗传算法进行测试,并与传统的求二阶偏导法、等高线法作比较。二阶偏导法所求的影响因素x1超出测试函数的约束范围,极大值不在约束范围内,因此,求导法不能解决约束条件下的混料问题；等高线法具有主观性和局部最优性,不能给出精确的最优解；而遗传算法可给出精确的可供选择的相应自变量组合,搜索结果较稳定。第四部分基于遗传算法的混料设计最佳工艺比例优化的实例研究。罗格列奈(诺和龙)处方优化制备工艺的研究,采用(3,2)单形格子混料设计安排试验,运用遗传算法进行探索性分析,大约在30代以后,搜索结果稳定,三种赋形剂的最佳比例：即聚氧化乙烯(PEO303)、微晶纤维素(MCC PH101)、乳糖(Lactose)分别是13.6%、14.5%、71.4%时,评价指标粘膜粘附力少达到最优值0.2610N,同时使得药物在2小时、8小时的释放率分别达到最优为25.73%、88.45%。均优于等高线法得到的最优解。硝基咪康唑口腔粘附片疗效最佳工艺比例的优化研究,采用(3,3)单形重心混料设计安排试验,运用遗传算法进行探索性分析,大约在进化15代以后,搜索结果稳定,得到三种粘附剂羟乙烯聚合物(carbopol)、羟丙基甲基纤维素(HPMC)、聚乙烯吡咯烷酮(PVP)的最优比例为0.36、0.29、0.35时,药物释放率的平均水平为93.37,最高水平为93.520。通过遗传算法对实例应用的探索性研究,说明该方法可以用于带有约束条件的药物混料配方配比的问题,提供合理的方案,为药物研究的实际应用提供了可行、简便的方法。