高紫瑤，邵 燕，侯冰峰，李 麗*

（1.四川輕化工大學，四川宜賓 644000；2.瀘州老窖股份有限公司，四川瀘州 646000）

中國白酒釀制技藝歷經(jīng)千年積淀、傳承和改進，已發(fā)展形成了十二大香型瀘州老窖等多家白酒名企的傳統(tǒng)釀制技藝，且均入選了國家非物質(zhì)文化遺產(chǎn)[1-2]，白酒勾調(diào)技藝是其核心技藝之一。白酒企業(yè)中的勾調(diào)技藝包括基礎酒組合和調(diào)味，均由具有多年釀酒生產(chǎn)經(jīng)驗的專家擔任，憑借其豐富的勾調(diào)經(jīng)驗和敏銳的感官品嘗技能，將不同發(fā)酵窖池、窖池窖齡、發(fā)酵周期、發(fā)酵工藝以及儲存周期等原因形成的風格各異的基礎酒組合成香味協(xié)調(diào)、口感舒適、風格典型的美酒[3-6]。但是，勾調(diào)過程會受到嘗評專家的身體、心理、情緒、環(huán)境等諸多因素的影響。自計算機推廣應用以來，采用人工智能數(shù)學算法進行白酒勾調(diào)一直都是行業(yè)研究的熱點，瀘州老窖、汾酒和沱牌等知名企業(yè)都開發(fā)并擁有了自己的微機勾兌系統(tǒng)，為人工智能勾調(diào)和鑒評積累了豐富的經(jīng)驗[7-8]。

1 白酒勾調(diào)數(shù)學算法

20 世紀70 年代以來，色譜分析技術在白酒行業(yè)中得到了推廣應用，白酒專家認識到白酒中的成分除了水和乙醇外，還有300 多種香味物質(zhì)，并將其分為色譜骨架成分、協(xié)調(diào)成分和復雜的微量成分，且在勾調(diào)過程中要控制酒的色譜骨架成分含量和比例。不同類型的微量成分起到的作用不同，酯類一般可決定酒體風格，酸類可增味，醇類可平衡多種味道，醛酮主要是輔佐放香，酸酯平衡是口感協(xié)調(diào)的關鍵[9]。白酒中呈香呈味微量成分的定性和定量分析為計算機勾調(diào)系統(tǒng)的實現(xiàn)奠定了數(shù)字基礎。白酒專家通過分析優(yōu)級酒中微量成分的含量范圍及其量比關系，采用線性規(guī)劃、目標規(guī)劃、模糊數(shù)學、神經(jīng)網(wǎng)絡算法和遺傳算法等計算機算法，模擬人工組合和調(diào)味，以達到提高效率、穩(wěn)定酒質(zhì)和降低成本的目的。

1.1 線性規(guī)劃

線性規(guī)劃是研究在線性約束條件下求解目標函數(shù)極值的方法。1983 年唐錫華[10]提出勾酒與數(shù)學的線性關系，由于當時計算水平落后，尚未求解。1985 年沈國坤等[11]首次提出用線性規(guī)劃解決計算機勾兌名酒的思路和方法，但并未對該方法的計算過程進行闡述。20 世紀90 年代，計算機勾調(diào)成為白酒專家競相研究的熱點。最初的研究只是根據(jù)色譜成分進行數(shù)學建模，約束條件是各種微量成分的含量范圍及四大酯的比例關系，目標函數(shù)有勾兌的半成品酒量最大、使用的好酒量最少、使用的差酒量最大和相對偏差的平方和最小等，通過模型求解能夠初步實現(xiàn)勾兌質(zhì)量穩(wěn)定、減輕人工勾兌勞動力、提高勾兌效率等[12-16]。任鹿海等[17]、張景鵬等[18]建立了感官指標和理化指標之間的數(shù)學模型，在線性規(guī)劃中增加了感官指標質(zhì)量評分為目標函數(shù)進行優(yōu)化，使計算機勾兌模型進一步完善。黃漢英等[19]以五大酸、四大酯、兩醛及四大酸比例為約束條件，以成本最低為目標進行優(yōu)化，采用線性規(guī)劃方法計算得到的配方的成本與手工計算的配方相比，有明顯降低。根據(jù)陶壇儲酒用于勾兌的生產(chǎn)需要，李慧玲等[20]建立了白酒勾兌混合整數(shù)線性規(guī)劃模型，該模型提出分層求解策略，通過參數(shù)調(diào)整得到最優(yōu)解。勾調(diào)模型的計算結果與純線性規(guī)劃相比，白酒整壇數(shù)更多，大大提高了基酒儲存空間的利用率，降低了勾調(diào)組合的操作成本和倉儲成本。瀘州老窖和四川輕化工大學聯(lián)合開發(fā)了白酒微機勾兌調(diào)味輔助系統(tǒng)（GTS 系統(tǒng)），該系統(tǒng)基于線性規(guī)劃原理設計，構建了可模仿學習的專家調(diào)味知識系統(tǒng)，通過不斷迭代修正來調(diào)整、升級專家調(diào)味知識系統(tǒng)，以指導計算機調(diào)味[21-22]。

在應用線性規(guī)劃解決勾兌問題時，經(jīng)常遇到無法滿足所有約束條件的區(qū)間，線性規(guī)劃出現(xiàn)無解情況。另外，線性規(guī)劃的目標只有一個，而實際生產(chǎn)中的目標可能會很多，主要有白酒勾兌配方的成本最低、酒體感官評分最高、酸酯成分比例最佳、衛(wèi)生指標最優(yōu)等多個目標。因此，要解決各目標之間存在的矛盾，就需要用到多目標規(guī)劃。

1.2 目標規(guī)劃

目標規(guī)劃在線性規(guī)劃的基礎上進一步升級，突破了線性規(guī)劃的局限性，把所有的約束條件均轉化為目標，然后根據(jù)其重要程度來賦予不同目標的權重，最終將多目標規(guī)劃轉化為單一目標并進行優(yōu)化。李家明[23-24]設計了多目標規(guī)模模型。與線性規(guī)劃的對比結果顯示，在相同的條件下目標規(guī)劃的配方成本更低、微量成分平衡協(xié)調(diào)、口感更佳。黃曉峰[25]構建了理化指標和成本價格雙目標規(guī)劃模型，并為每個目標設置了優(yōu)先因子，得到的配方能夠同時滿足風味物質(zhì)均衡、感官評分較高、用酒成本最低等多個條件的要求。王瑩瑩[26]構建的多目標規(guī)劃模型，將微量成分含量、成分比例約束、目標酒總量、基礎酒限量、基礎酒等級、基礎酒酒齡和成本等約束條件全部轉化為目標函數(shù)，根據(jù)其重要程度賦予不同的權重，權重越大越重要，從而平衡了多個目標函數(shù)的關系，提高了勾兌計算過程的準確性，降低了技術人員的勞動強度。目標規(guī)劃的約束條件是非剛性約束，允許目標出現(xiàn)合理偏差，因此會出現(xiàn)多個優(yōu)化結果。該算法雖然克服了線性規(guī)劃的目標單一性缺點，但也帶來了優(yōu)化結果的較大不確定性，可能會出現(xiàn)約束不嚴、優(yōu)化配方不符合要求的結果。

1.3 模糊數(shù)學

模糊數(shù)學是研究和處理模糊性現(xiàn)象的數(shù)學理論和方法。趙繼倫[27]、周瑛等[28]采用模糊數(shù)學方法研究白酒的感官品評，提高了品評結果的可靠性。由于基礎酒中微量成分的含量及對成品酒質(zhì)量作用具有不確定性，因此可在勾調(diào)模型中引入模糊數(shù)學方法。李家明[24,29]在線性規(guī)劃模型基礎上引入模糊約束集，并根據(jù)其豐富經(jīng)驗和標樣酒指標確定各種微量成分含量的伸縮量，當約束條件完全滿足時隸屬函數(shù)值為1，約束條件超過伸縮量時隸屬函數(shù)為0，其他則介于0 與1 之間。模糊數(shù)學勾調(diào)模型是模擬勾兌專家的調(diào)配過程，能夠根據(jù)影子價格對約束條件自動進行調(diào)整、計算，直到給出理想的結果。在相同基礎酒條件下進行手工配方、線性規(guī)劃、目標規(guī)劃和模糊數(shù)學規(guī)劃對比研究，模糊數(shù)學方法建立的模型可通過伸縮量調(diào)整配方，雖然在某些微量成分上略低于標準值，但仍不影響酒體整體的平衡協(xié)調(diào)，是4種方法中成本最低、口感最佳的方法。采用模糊數(shù)學方法進行勾調(diào)的研究較少。雖然模糊數(shù)學模型具有規(guī)則簡單、計算速度快、自我調(diào)整等優(yōu)點，但伸縮量的設定需要豐富的勾調(diào)經(jīng)驗，初學者不易掌握。

1.4 神經(jīng)網(wǎng)絡算法

神經(jīng)網(wǎng)絡算法是模擬人腦神經(jīng)網(wǎng)絡來實現(xiàn)類人工智能的機器學習技術。2006 年，HINTON[30]首次提出了“深度信念網(wǎng)絡”的概念，掀起了深度學習研究的熱潮。多層感知器的神經(jīng)網(wǎng)絡是神經(jīng)網(wǎng)絡模型的深化發(fā)展。與單層神經(jīng)網(wǎng)絡相比，多層神經(jīng)網(wǎng)絡可以無限逼近任意連續(xù)函數(shù)。完整的神經(jīng)網(wǎng)絡是由若干節(jié)點組成的一個輸入層、一個輸出層和一個以上的中間隱藏層組成，各層之間由權值相連接，一個神經(jīng)網(wǎng)絡的訓練算法就是讓權重的值迭代到最優(yōu)值，使得整個網(wǎng)絡的預測結果最優(yōu)。在白酒勾調(diào)研究中，張東升[31]利用色譜分析技術提取白酒微量成分，建立基礎酒勾調(diào)配方優(yōu)化的數(shù)學模型，使用神經(jīng)網(wǎng)絡反向傳播算法來構建神經(jīng)網(wǎng)絡學習模型，通過機器學習升級改進感官評分系統(tǒng)，報道中只是闡述理論模型，并無勾調(diào)結果。李志民[32]將酒體理化數(shù)據(jù)轉換成理化信息矩陣和評分矩陣，采用matlab 的神經(jīng)網(wǎng)絡工具箱建立一個三層的網(wǎng)絡，其中隱含層設計了20 個神經(jīng)元，使用的傳遞函數(shù)為tan-sigmoid，在輸出層使用的是線性傳遞函數(shù)，利用BP 神經(jīng)網(wǎng)絡的訓練挖掘理化數(shù)據(jù)中的關聯(lián)信息，建立酒體微量成分指標和酒體質(zhì)量之間的函數(shù)關系，實現(xiàn)了白酒的智能勾兌。黃曉峰等[33]解決了目標規(guī)劃算法中權重難以確定的問題，利用人工神經(jīng)網(wǎng)絡算法改進和優(yōu)化了目標規(guī)劃算法。結果表明，基于神經(jīng)網(wǎng)絡優(yōu)化算法的勾調(diào)成功率提高到98%，成本降低了6%，得到了滿足多目標的最優(yōu)勾調(diào)配方。黃余等[34]使用神經(jīng)網(wǎng)絡算法優(yōu)化了配方，使組合出來的白酒口感最佳、成本最低。

1.5 遺傳算法

遺傳算法是模仿生物系統(tǒng)進化機制而形成的隨機全局搜索和優(yōu)化的方法，能在搜索過程中自動獲取和積累搜索區(qū)域的經(jīng)驗，并調(diào)節(jié)、控制搜索過程來得到全局最佳解，具有并行計算、高效優(yōu)化、全局搜索的優(yōu)點。劉淑玲等[35]基于遺傳算法設計的白酒智能勾兌系統(tǒng)，可以大大縮短勾調(diào)周期。曾黃麟等[22]、張良等[22]在研究瀘州老窖微機勾調(diào)系統(tǒng)時，采用遺傳算法非線性優(yōu)化方法來尋求最優(yōu)解，解決了線性規(guī)劃沒解的問題。

2 結語

未來人工智能白酒勾調(diào)研究將主要集中在計算機硬件研究、智能軟件研究和智能技術集成研究等3個方面。目前白酒的窖香、糟香、糧香、曲香、陳香、焦糊香等香氣成分的定性和定量檢測仍未實現(xiàn)，只有檢測范圍更廣、分辨率更高、檢測精度更高的檢測硬件設備的發(fā)展，才能更全面、更深入、更準確地對白酒進行剖析。另外，儲存信息量更大、計算速度更快的計算機硬件發(fā)展也為復雜軟件的運行提供了可能。數(shù)據(jù)訓練出更強大的程序，程序產(chǎn)生更優(yōu)的數(shù)據(jù)，未來也可以開展基于深度學習的人工智能白酒勾調(diào)系統(tǒng)研究，深度融合云計算和大數(shù)據(jù)等前沿技術，訓練出計算速度更快、架構更優(yōu)、算法更準的人工智能白酒勾調(diào)系統(tǒng)。相信不遠的將來，智能白酒勾調(diào)系統(tǒng)將縱向融合智能化釀造、智能化酒庫、智能化包裝和智能化物流系統(tǒng)，使中國白酒傳統(tǒng)產(chǎn)業(yè)被打造成高科技的智慧工廠。