基于粒子群算法的饮食规划系统研究

发布时间：2020-02-14 10:31

【摘要】：我国居民对健康饮食越来越重视,基于营养学的饮食规划可以给出合理的饮食建议。饮食规划问题非常复杂,通常采用多目标方法求解,但是其运算量非常大,适用范围窄。本文改进了饮食规划的数学模型,使其转变为欠定线性方程组求解,能显著降低运算量,推广饮食规划的适用范围。欠定线性方程组有无穷多组解,每一组解对应一种可行的饮食规划方案。常用的线性方程组求解方法是高斯消元法和逐次逼近迭代法等,这些方法虽然可以求出方程组的解,但是只能得到唯一解,无法满足多样化饮食的要求。利用余弦相似度作为度量函数,将方程组转化为多模函数极值问题,采用粒子群算法,可以快速寻找到多模函数的极值,而且每次搜索都可以寻找到不同的解。开发系统时,首先分析了我国居民的饮食状况,根据卫生部发布的居民营养素推荐摄取量表以及从中国食品营养网发布的食材营养信息,构建了饮食数据库,是饮食规划系统的核心数据。之后对营养规划系统进行了需求分析,根据实际情况将系统划分为个人中心模块、营养管理模块、饮食规划评估模块,个人中心模块管理用户的个人信息,营养管理模块处理系统核心数据,此模块部署在服务端,饮食规划模块负责饮食方案规划和用户饮食状况评估。其次设计了系统数据库,除去营养素推荐摄取量表和食品营养成分表之外,添加了系统运行所必须的各种数据表。最后在Windows7、Microsoft SQL Server 2008、Visual Studio 2010、Eclipse环境下,采用B/S架构,编写代码实现了饮食管理系统。用户可以使用安卓手机下载App,选择自己爱好的食材发送给服务器,服务器将饮食方案推送给用户。
【图文】：

但是人体对营养的吸收是一个动态的过程，而且人体是高度自组偏离可以通过锻炼或者其它方式自我纠正。对大部分人群来说，精过复杂，缺乏实用性。各种营养素吸收范围具有一定的波动性，已。因此各个国家通常会提供一个参考标准，除了推荐摄入量(RNIs)量(AIs)和可耐受摄入量(UIs)作为浮动值，以此代替过去的营养素供给在给定的范围内，，即可认为是可接受摄取量。养吸收的非线性模型在可接受摄取量范围内，都可以根据摄取量将为线性模型。例如在营养学中应用最广泛的饱和动力学模型(Saturat表达式为:Kinetics orderKinetics order(Intercept Rate Constant) (Maxinum )Rate Constant XyX y 表示某一营养素的吸收量，Rate Constant 是指人体吸收营养的速Kinetics order 是反应动力学级数，是一个无量纲量，Maximum 表示最人体实际进食量。以成年男性为例，碳水化合物的吸收曲线如图 2-

101.9316, 728.0091]T，则此时营养素达标率为[0.3058,0.2446,0.2755,0.2600]T。若设置粒子群个数为 10，迭代次数为 100 次，程序运行两次，则可以得到如图 3-3 所示的达标曲线图，以及图 3-4 所示的偏离曲线图（即运算结果与推荐摄入量的偏差向量）。(a) 第一次运算达标曲线(a) The first iteration curve(b) 第二次运算达标曲线(b) The second iteration curve图 3-3 四种营养素达标曲线图(20 个粒子)Fig 3-3 Four nutrient compliance curves of 20 particles
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP311.52;TP18

【参考文献】

相关期刊论文 前10条

1 费斐;;基于改进算法的营养评价与膳食智能决策支持系统[J];自动化与仪器仪表;2016年04期

2 程义勇;;《中国居民膳食营养素参考摄入量》2013修订版简介[J];营养学报;2014年04期

3 袁国铭;刘瑞;樊波;邓小亚;;UML用例图在软件工程中的步骤设计研究[J];微型电脑应用;2014年01期

4 吴红星;陈广花;居益君;;医院患者膳食营养管理系统的实施与应用[J];现代医院管理;2013年06期

5 孙丽娟;闫凤;薛森海;赵长海;;医院信息化营养管理系统的设计与应用[J];中国医学教育技术;2013年01期

6 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

7 王艳;蒋朱明;于康;;临床营养的经济学研究进展[J];临床药物治疗杂志;2009年06期

8 黄少荣;;粒子群优化算法综述[J];计算机工程与设计;2009年08期

9 金瑛;李艳平;胡小琪;崔朝辉;何宇纳;马冠生;;我国成人膳食多样化与营养素摄入充足状态的关系[J];营养学报;2009年01期

10 公茂果;焦李成;杨咚咚;马文萍;;进化多目标优化算法研究[J];软件学报;2009年02期

相关博士学位论文 前1条

1 李晓磊;一种新型的智能优化方法-人工鱼群算法[D];浙江大学;2003年

本文编号：2579465