论文部分内容阅读
对培养基进行优化时，会获得大量的实验数据，但这些实验数据往往不能被进一步利用。如果使用一些不同的方法对历史数据进一步挖掘就可能得出额外的规律。本文使用神经网络对历史数据进行处理，得到了利福霉素B培养基成份和发酵效价之间的关系；再以这个关系作为遗传算法的适应度函数，在一个相对大的空间内快速搜索最优解。优化的培养基使摇瓶发酵效价提高了17．9％，说明所建立的模型能够实现培养基优化的目的并具有数据挖掘的功能。