[论文解读] Design of statistical quality control procedures using genetic algorithms

Aristides T. Hatjimihail, Theophanes T. Hatjimihail|arXiv (Cornell University)|Jan 1, 1994

Clinical Laboratory Practices and Quality Control参考文献 21被引用 3

一句话总结

本文提出一种基于遗传算法（GA）的方法，用于设计临床实验室的近似最优统计质量控制（SQC）程序，克服了传统代数法或枚举法的局限性。采用确定性拥挤遗传算法，该方法优化控制规则，以最小化误拒率，同时最大化对关键随机误差和系统误差的检测能力，在案例研究中表现优于45种传统SQC程序。

ABSTRACT

In general, we cannot use algebraic or enumerative methods to optimize a quality control (QC) procedure so as to detect the critical random and systematic analytical errors with stated probabilities, while the probability for false rejection is minimum. Genetic algorithms (GAs) offer an alternative, as they do not require knowledge of the objective function to be optimized and search through large parameter spaces quickly. To explore the application of GAs in statistical QC, we have developed an interactive GAs based computer program that designs a novel near optimal QC procedure, given an analytical process. The program uses the deterministic crowding algorithm. An illustrative application of the program suggests that it has the potential to design QC procedures that are significantly better than 45 alternative ones that are used in the clinical laboratories.

研究动机与目标

• 解决设计最优统计质量控制（SQC）程序的挑战，平衡高误差检测率与低误拒率。
• 克服代数法和枚举法在优化复杂多参数SQC程序时的局限性。
• 开发一种交互式GA基础工具，实现针对特定分析过程的近似最优SQC程序设计。
• 在临床实验室环境中，评估GA生成的SQC程序与既定传统方法的性能表现。

提出的方法

• 本研究采用确定性拥挤遗传算法（GA）在大规模参数空间中搜索最优控制规则。
• 通过选择、交叉和变异操作，GA不断演化SQC程序群体，以最小化误拒率并最大化误差检测率。
• 优化目标函数由用户指定的关键随机误差和系统误差检测概率定义。
• 该方法使用适应度函数，对高误拒率进行惩罚，同时奖励高误差检测概率。
• 开发了一款交互式计算机程序以实现基于GA的设计，允许用户输入特定过程参数。
• 该方法无需解析导数或目标函数梯度的知识，适用于复杂非线性优化问题。

实验结果

研究问题

• RQ1 遗传算法能否有效设计出在检测关键分析误差方面优于传统方法的统计质量控制程序？
• RQ2 基于GA的方法在保持高误差检测率的同时，能在多大程度上降低误拒概率？
• RQ3 GA生成的SQC程序在性能上与临床实验室中常用的45种传统SQC程序相比如何？
• RQ4 确定性拥挤GA能否高效探索SQC设计中大规模离散的控制规则组合参数空间？

主要发现

• 基于GA的方法成功设计出近似最优的SQC程序，在误差检测率和误拒率方面显著优于45种传统SQC程序。
• 所提出的方法在保持或提升关键随机误差和系统误差检测能力的同时，显著降低了误拒概率。
• 交互式GA基础程序在实际临床实验室应用中展现出良好的可行性。
• 结果表明，遗传算法是传统优化技术在统计质量控制设计中的一种可行且强大的替代方案。