一种混合型卷烟配方智能优化系统

郭广颂， 陈良骥， 李 玲

(1.郑州航空工业管理学院机电工程学院，河南郑州 450046； 2.天津工业大学机械工程学院，天津 300387)

混合型卷烟是目前主要的卷烟类型之一，一般由烤烟、白肋烟、香料烟、地方晒晾烟等按一定比例混合而成。混合型卷烟口感协调芬芳，既有烤烟的温和甜润，又有晒晾烟的辛辣开胃且余味纯净，其最大的优点是香气量足且焦油含量低。为满足消费者喜欢的口味，传统的叶组配方制作往往须要耗费数年时间，所以目前国内卷烟企业较少涉及，如何高效高质地获得市场认可的叶组配方一直是烟草行业的难题。

目前，对叶组配方的分析主要有2类研究方向，一是开发合理全面的烟草感官评吸方法，助推市场产品的开发。由于目前烟草感官评价有国家标准、行业标准以及企业和科研单位自定标准等多种标准，这些标准采用的评价指标、标度方法还不能满足烟叶感官质量风格特色评价的全部需求，在适用性、可操作性等方面仍存在不足，所以探索更合理的烟草感官评价方法成为目前研究的热点。武怡等采用两级模糊综合评价方法计算叶组评价分值，获得更可靠的感官评吸分析数据[1]；乔学义等建立包含评价指标、评价标度、样品制备等多方面的烤烟烟叶质量风格特色感官评价方法[2]；随着信息技术的发展，采用智能计算辅助分析叶组配方的方法已经越来越多地被采用。申玉军等赋予感官指标权重，利用数理统计方法判定测试样品与对照样品感官特性的偏离程度[3]；崔凯等建立的感知标示量度感官评价方法可用于评价香料在参比卷烟中的作用[4]。二是分析烟草化学成分对感官评价的影响，定性定量确定烟草叶组的特性。胡建军等采用广义可加模型分析识别烟叶化学成分与感官评吸质量之间的非线性关系[5]；卢红兵等采用遗传算法-神经网络(genetic algorithm-back propagation，简称GA-BP)方法建立烟草香味成分分析数据与感官评价数据的预测模型[6]。但这些方法计算量都比较大，对于需要反复评吸再定型的烟草产品来说具有较大的实现困难。采用智能方法优化叶组配方是一种简单有效的策略，但目前的研究并不充分。徐若飞等开发了一种烟叶质量评价和叶组配方专家系统，可以有效缩短叶组配方的研发周期[7]，但专家系统的开发造价高，经济负担巨大。此外遗传算法也被应用于配方优化[8]，但其优化指标未包含感官评价，所以优化结果的针对性不强。

20世纪80年代在传统遗传算法基础上提出的交互式遗传算法是一种可以将人的主观活动引入进化过程的进化优化算法。因为交互式遗传算法的个体适应值由人评价，所以可以将感官评价融入进化，再利用遗传策略对隐式性能指标或混合性能指标进行优化。该算法实现简单，且能体现强烈的个性化需求，现已被应用于语音合成[9]、珠宝加工[10]、色彩推荐[11]、海报设计[12]等领域。但单纯采用传统交互式遗传算法构建的优化系统，其设计性能并不理想。因为交互式优化的每款产品适应值(评价值)均由人评价产生，人进行长时间评价容易产生疲劳，这会限制算法的种群规模和进化代数。另外，传统交互式遗传算法多采用单机实现，不利于采集多人多组评价数据，评价结果具有较大的局限性。

叶组配方设计主要受烟叶成本、烟气指标和烟叶产地等因素约束，叶组配方的确定强烈依赖于感官评价，是典型的混合性能指标评价问题。基于上述情况，本研究设计一种基于改进交互式遗传算法的淡香混合型烟草叶组配方进化优化系统。与传统方法相比，本系统能大幅缩短叶组设计周期，且实现简单，成本低廉，选型性能优异。由于目前烟草叶组配方设计还没有应用交互式遗传算法的先例，因此本研究可为烟草企业提供一种新的叶组设计方法。

1 智能烟叶配方优化系统设计

1.1 染色体编码

本系统针对淡香混合型烟草叶组设计，叶组组分包括烤烟、白肋烟、香料烟和地方晒晾烟。叶组组分构成交互式遗传算法的染色体，即染色体是一个二进制基因组g=(a1,a2,…,am)，其中ai,i=1,2,…,m表示染色体组分。根据烟叶叶组情况，染色体由4个参数组成，每个参数分别是叶组组分的比例，即i=4，所以每条染色体代表1种烟叶叶组配方方案。根据淡香混合型卷烟叶组实践经验，烤烟(组分1)的比例范围是[0.55，0.70]；白肋烟(组分2)的比例范围是[0.15，0.20]； 香料烟(组分3)的比例范围是[0.05，0.10]； 地方晒晾烟(组分4)的比例范围是[0.10，0.15]。其中烤烟比例由7位二进制编码构成，码段为0110111～1000110；其他组分比例由5位二进制编码构成，码段分别为01111～10100、00101～01010、01010～01111，染色体总长度为22。如染色体0111100011110101001111代表的叶组是烤烟比例60%、白肋烟比例15%、香料烟比例10%、地方晒晾烟比例15%。

1.2 基于局域网络的实现

鉴于单机实现交互式遗传算法的局限性，本系统采用局域网络实现远程人机交互功能。客户端用于用户参与评价，各客户端的运行平台是同构的，主要用于存放交互式遗传算法所需的私有数据。服务器端主要用于客户管理、运行交互式遗传算法平台客户端系统及优化结果生成等。服务器端采用结构化查询语言(structured query language，简称SQL)Server 2000数据库作为全局数据库存放共享信息。所有进化数据均存储在数据库服务器上，各交互式遗传算法平台客户端通过自动调用系统命令ipconfig获得客户机的网卡物理地址，并作为在数据库服务器上的唯一标志，以便数据库服务器区分不同客户端的评价数据。算法实现的拓扑结构如图1所示，具体配置由百兆光纤、华三ER6300千兆路由器、华三S5048E全千兆安全智能交换机、思科SF100D-08(SD208T)8口以太网交换机等组成。终端操作系统为Windows XP。

1.3 交互式界面设计

本系统的交互式界面分为客户端界面和服务器界面等2个部分，均采用Visual Basic 6.0 实现。其中客户端用于评审员对样品打分，每一进化代提供6个评价样本，即种群规模N=6，客户端交互界面如图2所示。烟草感官评价标准参照GB 5606.4—2005《卷烟 第4部分：感官技术要求》，感官评吸指标包含光泽、香气、谐调、杂气、刺激性、余味等6项。各项评价标准如表1所示，各项指标以0.5分为计分单位，总分100分，通过拖拽滑动条对项目进行赋值。为增强评价的公平性，采用盲评机制，即评审员评吸时不知晓样本的配方，客户端交互界面只提供样品编号，不提供样品叶组配方。

图10为两种电流供电情况下振动加速度频谱。对比正弦波供电,当逆变器供电时,振动幅值整体增加。不同电流供电下振动加速度的最大幅值点均出现在8 500 Hz,9 533 Hz,10 700 Hz,11 400 Hz附近,接近模态分析结果中0阶和8阶固有频率。开关频率10 kHz附近振动加速度增加较大,究其原因是引入逆变器开关频率的谐波电流加剧了高频段的结构共振。

表1 卷烟感官质量评判标准

1.4 遗传算子

定义1：当f[xi(t)]，f[xj(t)]同时为区间数或者有1个为区间数时，则

(1)

式(1)为xi(t)占优xj(t)的概率，即xi(t)为联赛选择优胜个体的概率为Pij。根据互补性，xj(t)占优xi(t)的概率为Pji=1-Pij。

定义2：当f[xi(t)]、f[xj(t)]均为实数时，则

(2)

1.4.2 自适应交叉和变异算子 由于个体适应值是由不同评审员打分构成的区间数，显而易见，区间宽度越小，评价的不确定性越小，评价结果越精确，反之则相反。所以一个种群的评价偏差可以表示为

(3)

进化初期，叶组配方差异较大，所以样本个体之间口感差异较大，评审员评价差异也较大，θ(t)较大；随着进化深入，叶组配方逐渐一致，个体差异逐渐减小，评审员之间的评价也趋于相同，所以θ(t)较小。θ(t)描述了适应值在种群进化过程中的变化，刻画了评价差异性，这为设计交叉和变异算子提供了基础。

交叉算子的设计主要体现在当评价差异比较大时，采用较大的交叉概率增加新个体的数量；当评价差异较小时，采用较小的交叉概率加快算法收敛。由此，设计交叉算子是关于进化代数t和评价偏差θ(t)的S函数：

pc(t)={1+e-k1·[θ(t)/t]}-1。

(4)

式中：k1是调节系数。

变异算子的设计主要体现在：(1)当评价差异比较大时，为增加种群的多样性，采用较大的变异概率；当评价差异较小时，采用较小的变异概率加快算法收敛。(2)在进化后期，为保证算法收敛，应使变异概率降低。由此，设计变异算子为

pm(t)=1-[1+e(-k2·t)/θ(t)]-1。

(5)

式中：k2是调节系数。

1.5 算法步骤

结合上述内容，本系统的算法步骤如下：(1)服务器初始化种群，发送至各客户端，令t=0；(2)评审员评价个体，从客户端提交评价结果；(3)服务器汇总评价结果，对个体赋区间适应值；(4)利用式(1)、式(2)选择个体；(5)根据式(3)至式(5)进行交叉和变异操作，产生新一代个体；(6)解码，输出个体组分；(7)若对新一代个体已满意，或是已达到最大进化代数，则停止进化过程，否则t=t+1，返回步骤(2)。

2 系统工作过程

2.1 烟叶原料的制备

烤烟是混合型卷烟的主要原料，选择成熟度好、香味足、糖碱比适中、较深色的烟叶。为达到完全谐调和保持明显稳定的均匀质量，混合型卷烟使用的烤烟为河南郏县中部二级烟叶、河南宝丰中部一级烟叶和云南曲靖中部三级烟叶的混合烟叶。白肋烟选用经过加里料、表料、100 ℃高湿烘焙10 min处理的湖北建始白肋中部一级烟叶。香料烟选择吸味醇和的云南保山一级烟叶。晒晾烟选用经过强化发酵、真空回潮、配叶切把、润叶基、打叶去梗、加表料和快速烘干处理的河南灵宝晾晒一级烟叶。

2.2 烟叶叶组交互式进化优化过程

为使叶组配方的进化优化具有针对性，避免盲目进化，初始种群由用户确定，即事先根据卷烟工艺制备出粗略的样品，这些样品的烤烟比例较高，已大致符合混合烟草香型标准，但还不是最佳叶组配方。系统工作时，根据事先制备好的待评叶组样本个体编码，服务器从数据库中调配出6个相关个体组成初始化种群，发送至各客户端。选择6位评审员对样品进行评吸。评价过程分为3个阶段：第1阶段先向评审员分发标准样品，统一评价口径；第2阶段向评审员分别分发6支卷烟样品，按评价指标在各客户端填报样品项目评价结果；第3阶段再次向评审员分发相同的6支卷烟样品重新评价，用于修正评价结果并提交。每代进化优化需要12人次的评吸。服务器将评价结果汇总后，根据设定的遗传参数，进行进化优化，生成下一代种群。将新种群的个体解码后，制备新的样品再让评审员评吸，继续进化直至找到最优解。由于遗传算法的进化方向由偏好决定，所以优化结果会逐渐接近最佳口味，最终获得的最优解就是最佳的叶组配方。

2.3 优化效果分析

系统参数设定：k1=0.9，k2=1.1，系统运行数据如表2所示，表中给出了每次进化过程样品的叶组与适应值。

分析表2可以发现，进化优化达到第4代时，组分为[0.62；0.19；0.04；0.15]的叶组出现4次，且区间适应值占优，算法已经收敛，所以叶组[0.62；0.19；0.04；0.15]即为最优解。由图4可以看出，烤烟、白肋烟、香料烟和地方晒晾烟的比例在经过初期优化的振荡后，最终均趋于稳定，说明叶组组分逐渐符合评审员的最佳口感，优化结果代表满意的评判标准。在4种组分的优化曲线中，烤烟与白肋烟的优化曲线较为平稳，烤烟比例由初期的70%左右逐渐稳定于60%左右，白肋烟比例大致稳定于20%；而香料烟和晒晾烟的优化区间波动较为剧烈，其原因可能是这2种组分对烟草口味影响较大，导致进化曲折，也反映出优化对象的复杂性对算法优化性能的影响。4种组分比例的分散情况如图5所示。

表2 叶组进化优化结果

从图6可以看出，由于进化代数较少，进化曲线很不平滑。其中进化初期叶组差异较大，烟草口味差异较大，区间适应值上下限比较小，区间宽度较大；进化后期叶组趋同，烟草口味逐渐一致，区间适应值上下限较大，区间宽度较窄。图7所示的区间适应值箱型图反映了评审员评价的一致性，由图7可见，区间适应值的上限与下限箱图特征一致，所以评审员的评价是准确客观的，优化叶组[0.62；0.19；0.04；0.15]满足评审要求。

采用本系统只需4～5代进化周期即可找到最佳叶组配方，与传统方法相比，大大缩短叶组配方的开发时间。传统配方设计方法须要在单料烟质量评吸的基础上先进行晒晾烟和烤烟基团设计，再进行烤烟基团和香料烟配伍的正交试验设计，试验步骤和周期较长。采用交互式遗传算法优化时，可以直接进行混合型烟叶的整体配伍优化，减少设计步骤。针对烟草叶组的特殊性，本系统的进化初始样品采用针对性设计，即设定较大的烤烟比例(70%)，香料烟和地方晒晾烟比例则设定较大(12%，12%)和较小(2%，5%)2类，从而形成不同口味，确定不同的优化方向。这可以确保进化方向在进化满意域内进行，有效缩小搜索空间，避免盲目进化，加快优化进程，在缩短进化周期的同时提高优化质量。

对最终的优化叶组[0.62；0.19；0.04；0.15]还需要进行二次加料、加香，卷制小批量样品烟，分析烟丝主要化学组分，测定烟支焦油含量和烟碱含量，进一步调整叶组比例，降低焦油含量，最后定型。由表3可知，烟丝中总糖含量为 12.38%、烟碱含量为1.33%；烟气中焦油含量为 15.61 mg/支、烟碱含量为1.12 mg/支、CO含量为14.53 mg/支。叶组总糖与烟碱比例适宜，焦油含量较低，烟碱含量适中，CO含量较少，是一种比较理想的淡味混合型卷烟产品。从进化优化角度看，叶组仍有进化空间，若希望找到其他满意的叶组方案，可以重复操作，进行进一步对比优化。但从实际角度考察，若评审员对样品给出高度一致的高分评价，且算法收敛，则可以认为选型结束。

表3 配方烟丝化学成分及烟气分析结果

混合型卷烟配方的研制是一项受烟叶质量、加香技术制约的复杂、细致工作，任何环节的细微变化都可能对卷烟口味带来明显改变。尤其是叶组料香配比选型技术，一直是国内外制烟企业的技术机密，采用本方法可以加快技术突破。交互式遗传算法的工程应用目前总体比较薄弱，本系统只根据GB 5606.4—2005《卷烟 第4部分：感官技术要求》设计评价界面，评价指标尚比较单一，如果融合其他评价方法(如感知标示量度、多级指标评价等)，则样品评价会更精确，优化质量也将提升，这也是下一步要做的工作。

3 结论

本研究开发1套针对淡味混合型卷烟配方的智能优化选型系统，该系统基于改进的交互式遗传算法实现，采用局域网远程评价。通过个体区间适应值刻画种群评价偏差，设计自适应交叉和变异算子，提高算法优化性能。结果表明，该系统能够根据用户口味选择叶组配方，极大缩短烟草叶组研发周期。继续探寻交互式遗传算法的工程应用是下一步研究的问题。

[1]武 怡，廖头根，王明锋，等. 中式卷烟消费体验感官评价方法的建立与应用[J]. 烟草科技，2015，48(5)：80-84.

[2]乔学义，王 兵，马宇平，等. 烤烟烟叶质量风格特色感官评价方法的建立与应用[J]. 烟草科技，2014(9)：5-9.

[3]申玉军，邓国栋，陈良元，等. 一种烟草感官评价分析方法的建立及应用[J]. 烟草科技，2011(5)：15-18.

[4]崔 凯，屈 展，马 骥，等. 感知标示量度卷烟感官评价方法的建立及应用[J]. 烟草科技，2015，48(3)：74-78.

[5]胡建军，李广才，李耀光，等. 基于广义可加模型的烤烟常规化学成分与感官评价指标非线性关系解析[J]. 烟草科技，2014(12)：36-42.

[6]卢红兵，孔 波，钟科军. 基于烟草香味成分和GA-BP网络的烟草品质评价方法[J]. 烟草科技，2011(3)：27-31.

[7]徐若飞，刘 巍，陈章玉，等. 烟叶质量评价和叶组配方专家系统的开发[J]. 烟草科技，2007(6)：16-20.

[8]王 涛，王 丽. 遗传算法在配方优化中的应用[J]. 微计算机信息，2011，27(11)：149-150，140.

[9]Formiga L，Alias F. Extracting user preferences by GTM for aiGA weight tuning in unit selection text-to-speech synthesis[J]. International Work-Conference on Artificial Neural Networks，2007，4507：654-661.

[10]Wannarumon S，Bohez E L J，Annanon K. Aesthetic evolutionary algorithm for fractal-based user-centerecd jewelry design[J]. Artificial Intelligence for Engineering Design，Analysis and Manufacturing，2008，22(1)：19-39.

[11]Rodriguez L，Diago L，Hagiwara I. Color recommendation system combining design concepts with interactive customers preference modeling from context changes[C]//Proceedings of IEEE Congress on Evolutionary Computation. Barcelona，2010：1-8.

[12]Kitamura S，Kanoh H. Developing support system for making posters with interactive evolutionary computation[C]//Proceedings of 4th International Symposium on Computational Intelligence and Design. Hangzhou，2011：48-51.

[13]孙晓燕，陈姗姗，巩敦卫，等. 基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型[J]. 自动化学报，2014，40(2)：172-184.