【摘要】：工業(yè)生產(chǎn)和生命科學(xué)中的動態(tài)優(yōu)化現(xiàn)象可表示為一類基于部分實驗數(shù)據(jù)的非線性切換時滯動力系統(tǒng).這類系統(tǒng)的動態(tài)優(yōu)化問題涉及到生物、數(shù)學(xué)、工程學(xué)、化學(xué)、控制論和計算機科學(xué)等,是一門新興的交叉學(xué)科.本文以微生物間歇發(fā)酵過程為背景,主要研究了一類基于部分實驗數(shù)據(jù)的非線性(或切換或時滯或切換時滯)動力系統(tǒng)的動態(tài)優(yōu)化問題的理論及數(shù)值優(yōu)化算法.該問題受控于非線性、非光滑、難以求得解析解的動力系統(tǒng),需要用到代謝工程、生物魯棒性、無限維優(yōu)化、不可微優(yōu)化、控制參數(shù)化、時間尺度轉(zhuǎn)換和變分分析等知識.本論文一方面可以彌補動態(tài)優(yōu)化問題數(shù)值求解算法的不足,另一方面可以推動系統(tǒng)生物學(xué)、切換系統(tǒng)、時滯系統(tǒng)及不可微優(yōu)化理論的研究,所得到的結(jié)果在生化過程和工業(yè)優(yōu)化領(lǐng)域有著廣泛的應(yīng)用前景.主要工作可概括如下:1.生物歧化生產(chǎn)1,3-丙二醇是一個復(fù)雜的生化過程.鑒于微生物間歇發(fā)酵過程中細(xì)胞的生長在不同的時期表現(xiàn)出不同的特征,借鑒了一個無平衡點的非線性切換動力系統(tǒng)(包含未知的切換時刻和系統(tǒng)參數(shù))用于刻畫具有上述特征的間歇發(fā)酵過程.論述了該系統(tǒng)的一些重要性質(zhì).在不同的初始狀態(tài)軌跡下,為了辨識這些未知的切換時刻和系統(tǒng)參數(shù),提出了一個受控于無平衡點的非線性切換動力系統(tǒng)、滿足連續(xù)狀態(tài)不等式約束、切換時刻約束和系統(tǒng)參數(shù)約束的動態(tài)優(yōu)化問題,其中系統(tǒng)狀態(tài)軌跡的計算值與實驗數(shù)據(jù)的相對誤差是其目標(biāo)函數(shù)、切換時刻和系統(tǒng)參數(shù)是其優(yōu)化變量.應(yīng)用時間尺度轉(zhuǎn)換、約束轉(zhuǎn)換和局部光滑近似技術(shù),該動態(tài)優(yōu)化問題被近似為一系列非線性動態(tài)規(guī)劃子問題.考慮到子問題計算的復(fù)雜性,構(gòu)造了一個基于系統(tǒng)靈敏度(目標(biāo)函數(shù)關(guān)于優(yōu)化變量的梯度,可通過構(gòu)造一系列輔助動力系統(tǒng)求得)和遺傳算法的并行計算方法,獲得了最優(yōu)切換時刻和系統(tǒng)參數(shù).為利用無平衡點的非線性切換動力系統(tǒng)來刻畫細(xì)胞的生長在不同的時期表現(xiàn)出不同的特征提供了借鑒.2.考慮到微生物間歇發(fā)酵中甘油和1,3-丙二醇跨膜運輸方式不清,提出了一個包含121條代謝路徑的無平衡點的非線性酶催化混雜動力系統(tǒng)(涉及到未知的路徑參數(shù)和系統(tǒng)參數(shù))用于刻畫細(xì)胞內(nèi)外物質(zhì)濃度的變化.為了獲得最可能的代謝路徑(尋找最優(yōu)的路徑參數(shù)和系統(tǒng)參數(shù)),以定量的生物魯棒性(以此來克服由于缺乏胞內(nèi)物質(zhì)濃度而無法定義目標(biāo)函數(shù)的缺陷)為目標(biāo)函數(shù),建立了一個涉及到1452個系統(tǒng)參數(shù)(下層優(yōu)化變量)和484個路徑參數(shù)(上層優(yōu)化變量),受控于無平衡點的非線性混雜動力系統(tǒng)、滿足連續(xù)狀態(tài)不等式約束和盒子約束的雙層動態(tài)優(yōu)化問題.提出了一個求解該優(yōu)化問題的并行遷移粒子群算法,獲得了最優(yōu)的代謝路徑.為弄清甘油和1,3-丙二醇的跨膜運輸方式提供了參考.3.時滯現(xiàn)象在許多實際問題中普遍存在,例如化學(xué)過程、生物系統(tǒng)、經(jīng)濟系統(tǒng)和安全通信系統(tǒng).提出了一個無平衡點的非線性酶催化時滯動力系統(tǒng)(涉及到未知的狀態(tài)時滯和系統(tǒng)參數(shù))用于刻畫微生物間歇發(fā)酵中涉及到時滯現(xiàn)象的過程.目前測試不到細(xì)胞內(nèi)物質(zhì)濃度的實驗數(shù)據(jù),這影響了對某些系統(tǒng)參數(shù)的辨識.為此,給出了生物魯棒性的定量定義.為了辨識未知的狀態(tài)時滯和系統(tǒng)參數(shù),以定量的生物魯棒性為目標(biāo)函數(shù),建立了一個受控于無平衡點的非線性時滯動力系統(tǒng)、滿足連續(xù)狀態(tài)不等式約束以及時滯約束和系統(tǒng)參數(shù)約束的動態(tài)優(yōu)化問題.通過精確罰函數(shù)方法,該動態(tài)優(yōu)化問題被近似成一系列非線性動態(tài)規(guī)劃子問題.證明了系統(tǒng)狀態(tài)關(guān)于時滯量的偏導(dǎo)數(shù)能夠通過求解一系列輔助動力系統(tǒng)得到.提出了一個基于模擬退火技術(shù)和上述偏導(dǎo)數(shù)的同步并行算法,獲得了最優(yōu)狀態(tài)時滯和系統(tǒng)參數(shù).證實了微生物間歇發(fā)酵生產(chǎn)1,3-丙二醇過程中時滯現(xiàn)象的存在性且給出了一個合理的無平衡點的非線性酶催化時滯動力系統(tǒng)來刻畫這個過程.4.考慮到1中的切換系統(tǒng)涉及到太多需要辨識的參數(shù),提出了一個基于細(xì)胞比生長速率的非線性酶催化無平衡點的切換時滯動力系統(tǒng)(僅包含兩個需要辨識的參數(shù):一個代表延遲期結(jié)束的切換時刻,另一個代表比生長速率達(dá)到最大值的切換時刻)用來刻畫間歇發(fā)酵中細(xì)胞的生長涉及到的三個時期(延遲期、指數(shù)增長期和衰減期)的特征.鑒于2、3中定量定義的生物魯棒性是基于胞內(nèi)物質(zhì)濃度的計算值的相對偏差的期望,忽略了其方差的影響.于是,提出了一個基于胞內(nèi)物質(zhì)濃度的計算值的相對偏差的期望和方差的生物魯棒性定量的定義.為獲得最優(yōu)的切換時刻,提出了一個受控于無平衡點的非線性切換時滯動力系統(tǒng)、滿足一個定量的約束和連續(xù)狀態(tài)不等式約束的魯棒優(yōu)化問題,其中切換時刻是其優(yōu)化變量且生物魯棒性是其目標(biāo)函數(shù).為求解這個問題,依據(jù)混雜時間尺度轉(zhuǎn)換、約束轉(zhuǎn)換和局部光滑近似技術(shù),該動態(tài)優(yōu)化問題被近似成了一系列非線性動態(tài)規(guī)劃子問題.證明了這種近似的合理性.證明了系統(tǒng)狀態(tài)關(guān)于切換時刻的偏導(dǎo)數(shù)能夠通過求解一系列輔助動力系統(tǒng)獲得.考慮到子問題的復(fù)雜性,提出了一個基于這個偏導(dǎo)數(shù)和智能算法的并行算法,獲得了最優(yōu)的切換時刻.促使利用更簡單的涉及到三個時期的無平衡點的非線性切換時滯動力系統(tǒng)來刻畫微生物間歇發(fā)酵生產(chǎn)1,3-丙二醇這一復(fù)雜的生化過程.
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：O175
【圖文】：

ｕｍ逡逑ｒｅｇｕｌａｔｉｏｎ逡逑圖１．４發(fā)解過程的示意圖．逡逑Ｆｉｇ．邋１．４邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｆｅｒｍｅｎｔａｔｉｏｎ邋ｐｒｏｃｅｓｓ．逡逑罐里取出底物和產(chǎn)物的混合物，整個發(fā)酵過程中，保證發(fā)酵罐中的溶液總體積不逡逑變［１５０］．逡逑［３］批式流加發(fā)酵：在流加過程（甘油連續(xù)地加入到發(fā)酵罐中）與間歇過程（停止甘油逡逑的加入）之間不斷切換，整個過程中發(fā)酵罐中的溶液都沒有取出［１５｜］．逡逑甘油（ｇｌｙｃｅｒｏｌ）、１，３－ＰＤ、乙酸（ＨＡｃ）、乙醇（ａ0Ｈ）對微生物生長有抑制作用，基于逡逑克雷伯氏肺炎菌的甘油的發(fā)酵是一個復(fù)雜的生物過程［７１逡逑事實上甘油歧化是氧化路徑和還原路徑的有機結(jié)合的過程．如圖１．５所示．一方面，逡逑甘油的氧化路徑是被甘油脫氫酶（ＧＤＨ）的催化得到二羥基丙酮（ＤＨＡ），在這過程中消耗逡逑－２６邋－逡逑

＾邋：＝邋１．０邋ｘ邋ｌ0－７，卞＝邋１．０邋ｘ邋１ＣＴ７．在聯(lián)想深騰１８００集群（１６計算節(jié)點，１個存儲節(jié)點，逡逑１個管理節(jié)點，１個光纖磁盤陣列（４．ＳＴＢ），每節(jié)點包括２塊５４２０ＣＰＵ（４核，６４位，主頻逡逑２．５ＧＨｚ）以及８ＧＢ內(nèi)存）上，依據(jù)算法２．１－２＿３，編制Ｃ＋＋程序求解問題Ｐ？獲得最優(yōu)的切換逡逑點ｑ邋＝邋２．５，０邋＝邋５．２．也就是，邋＜邋＝的，切＝［２．５，５．２］．問題Ｐ中的最優(yōu)的系統(tǒng)參數(shù)見圖２＿１．逡逑在不丨0］初始甘油和生物Ｕ濃度下，計燈得到的各物質(zhì)濃度和實驗測得的各物質(zhì)濃度逡逑－４５邋－逡逑

收斂速度變慢；另外，原始的粒子群算法也容易出現(xiàn)早熟的現(xiàn)象（過早陷入局部最逡逑優(yōu)）．考慮到這些，基于遷移的粒子群算法（ＭＰＳＯ，詳情參見文獻(xiàn)［３］）能夠很好地克服這些逡逑缺陷．其遷移策略見圖３．１．求解問題ＰＩＭ的關(guān)鍵在于其子問題ＰＩＭ１包含大量的微分方逡逑－６０－逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 翟海峰,蘇宏業(yè),董利達(dá),王肖,褚健;一類分段線性混雜系統(tǒng)的最優(yōu)控制策略研究[J];控制與決策;2002年06期

本文編號：2753052