配方产品优化设计是一门复杂的综合技术,涉及多个学科领域。为了获得性能优异、能满足使用要求的配方,需根据产品的性能要求和工艺条件,通过试验、优化、鉴定,合理地选用原材料,确定各种原材料的用量配比关系。对于这样一个复杂的多目标配方体系,试验方法的设计就显得尤为重要。近年来对配方优化设计的应用研究十分活跃。面对如此多的设计方法,如何合理选用已成为配方设计者的一大难题。本文针对烟草行业所采集的数据特点,对数据挖掘技术在卷烟产品配方优化设计中的应用进行了研究。利用统计分析的方法对行业数据进行分析、特征提取,从不同的层面和角度来分析变量间的相关关系。M5’模型树法建立的学习模型直观、清晰,容易被用户所接受,将其应用在卷烟的感觉评估领域。SVM方法具有很强的非线性逼近能力,被用于建立预测产品感官质量的学习模型,适用于解决高维、小样本问题。最后,利用遗传算法,以烟叶理化成份与卷烟感官、烟气指标相关性为依据,确定约束条件设计优化模型以达到最低成本为目标,通过优化模型的运行来取得所需风格卷烟的最佳配比组合,同时能提前对设计出的叶组配方进行预估,实现对重点指标的重点控制,使设计更具科学性和合理性。