一种基于多目标优化的膳食营养搭配方法与流程

1.本发明涉及推荐领域和优化领域，特别是涉及一种基于多目标优化的膳食营养搭配方法。


背景技术：

2.随着我国经济的快速发展，人们对饮食健康的关注越来越高，而现有的膳食营养推荐方法却难以满足人们对饮食健康合理的需求，现有的膳食推荐方案要么针对于特定领域，例如医学领域，其膳食搭配方案严格按照营养素需求量进行推荐，但是可满足需求的营养搭配方案较少，难以满足用户对多样性的需求；要么针对于普通人群，在满足营养方案多样性时，但是对每日摄入营养素控制不足，营养搭配太过松弛。
3.针对膳食推荐方法，当前主流方法是分为两种，一是基于营养素的约束，使用多目标线性规划等算法进行食材推荐；二是基于菜谱进行菜谱搭配推荐，但是其对食材推荐质量；传统的膳食推荐方法存在以下缺陷：所推荐的食材在实际食用过程中无法搭配成菜；基于菜谱的推荐对每日食材摄入量控制不足；膳食推荐方案要么种类较少，难以满足用户饮食种类多样性需求；要么营养搭配方案太过松弛，针对上述问题本专利提出一种基于多目标优化的膳食营养搭配机制。


技术实现要素：

4.为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于多目标优化的膳食营养搭配方法，其特征在于，所述包括：s100.获取用户数据，并对所述用户数据进行预处理；s200.设置多目标优化函数的约束条件和目标函数；s300.构建食材评分机制，用于选取食材；s400.使用多目标优化算法对所述选取食材进行求解得到食材推荐方案。
5.进一步的，所述用户数据，包括：用户的基础信息、疾病信息和体检报告结果，其中，所述基础信息，包括；用户职业、用户偏好和用户地域；所述用户数据是通过用户主动上传得到的；所述预处理，包括：分析所述用户数据，对标准食品数据库中每一种食材给出食材标签以及计算用户每日所需能量和营养素的推荐范围；所述食材标签包括宜食标签和慎食标签；所述标准食品数据库是从网上获取到的，所述标准食品数据库涵盖范围广，包含n类食材，每类食材中包含d种食材，其中，n、d为大于等于1的正整数。
6.进一步的，所述约束条件，包括：每日推荐食材种类质量应该在推荐范围内，如公式（1）所示：（1）
其中，m表示可推荐食材数量，表示第i种食材的推荐质量，表示是否推荐第i种食材，，0表示不推荐，1表示推荐，表示第k类食材第i种食材，指第k类食材的最小推荐值，指第k类食材的最大推荐值；每日能量所需摄入量应该在推荐范围内，如公式（2）所示：（2）其中，表示单位质量第i种食材所含的能量，表示用户单日能量的最小推荐值，表示用户单日能量的最大推荐值；每日各种营养元素应该在推荐范围内，如公式（3）所示：（3）其中，表示当天所推荐所有食材中第j种营养元素的总含量，表示单位质量第i种食材所含第j种营养素的质量；每种食材可推荐质量范围，如公式（4）所示：（4）其中，指第i种食材的最小推荐量，指第i种食材的最大推荐量；每日食材种类数量不少于12种，如公式（5）所示：（5）各餐次能量比，如公式（6）所示：（6）其中，u表示每天餐次类型为，b表示早餐、l表示中餐、d表示晚餐，指第u餐推荐能量比例；根据菜谱数据，统计成菜概率，如公式（7）所示：（7）其中，指第u餐推荐的食材数量，指第u餐推荐可成菜的食材数量。
7.进一步的，所述目标函数，包括：日营养元素摄入函数、食材成菜概率函数和目标优化函数；所述日营养元素摄入函数，是指每日各种营养元素应满足用户的摄入要求，如公式（8）所示：（8）
其中，表示当天该用户对第j种营养元素的权重；所述食材成菜概率函数，是指每餐所推荐的食材要尽可能地成菜，如公式（9）所示：（9）其中，表示第u餐成菜概率；所述目标优化函数，如公式（10）所示：（10）其中，、表示系数，。
8.进一步的，所述s300，包括：s310.粗召回：基于所述用户数据，根据用户所述用户职业和用户偏好，对食材标签分别进行归一化，然后赋予不同类型的标签不同权重，采用加权的方法计算所有可推荐食材的召回概率，并对所述召回概率做降序排序得到排序结果；s320.精召回：基于所述排序结果，结合菜谱对食材进行召回，得到召回的食材，根据所述成菜概率判断所述召回的食材是否可成菜，并根据所述判断的结果对可成菜的食材进行选取。
9.进一步的，所述s400，包括：s410.通过所述食材评分机制使用不同的策略进行食材选取，同时召回多组第一推荐食材；s420.针对所述多组第一推荐食材，在满足所述约束条件的基础上，使用所述多目标优化算法中的多阶段逐层优化算法进行求解后得到第二推荐食材；s430.汇总所述第一推荐食材和所述第二推荐食材，采用人工评价的方式，创建食材推荐评分规则对所述第一推荐食材和所述第二推荐食材进行评分，从中通过选取评分最高的食材得到最优膳食推荐方案。
10.进一步的，所述s420，包括：s421.初始化阶段，使用贪婪算法对所述目标优化函数进行求解，得到一个违背硬规则个数最少且所述目标优化函数最大的解作为初始解；s422.营养元素优化阶段，针对全天食材推荐进行求解，以公式（1）到公式（5）作为约束条件，对所述日营养元素摄入函数进行求解，采用全局搜索算法在全局范围内进行搜索，得到当次营养元素最优解；s423.餐次优化阶段，针对各餐次能量计算和成菜概率进行求解，以公式（6）到公式（7）作为约束条件，对所述食材成菜概率函数进行求解，采用局部搜索算法进行快速求解，得到当次餐次最优解；s424.达到迭代次数或达到设定时间则终止求解，所述当次餐次最优解即为最终最优解。
11.进一步的，所述创建食材推荐评分规则对所述第一推荐食材和所述第二推荐食材进行评分，包括：硬规则和软约束，所述硬规则包括公式（1）到公式（6）对应的基础约束，所述硬规则不可违背；所述软约束是指根据用户职业、用户偏好、时令、地域和单餐是否可成
菜等规则对所述第一推荐食材和所述第二推荐食材进行打分。
12.综上所述，由于采用了上述技术方案，本发明的有益效果是：本发明根据膳食宝塔为用户提供个性化膳食推荐，并且将食材推荐和菜谱推荐相结合，为用户提供合理、健康且满足用户元素需求的营养配餐；能通过用户基本信息、用户偏好以及用户对营养素的需求，判断餐食是否可食用以及为不同用户推荐膳食。
附图说明
13.图1是本发明提供的一种基于多目标优化的膳食营养搭配方法的流程图。
具体实施方式
14.下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
15.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但本发明还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本发明的一部分实施例，而不是全部的实施例。
16.图1是本发明实施例提供的一种基于多目标优化的膳食营养搭配方法的流程图，该方法包括：s100.获取用户数据，并对所述用户数据进行预处理；进一步的，所述用户数据，包括：用户的基础信息、疾病信息和体检报告结果，其中，所述基础信息，包括；用户职业、用户偏好和用户地域；所述用户数据是通过用户主动上传得到的；所述预处理，包括：分析所述用户数据，对标准食品数据库中每一种食材给出食材标签以及计算用户每日所需能量和营养素的推荐范围；所述食材标签包括宜食标签和慎食标签；所述标准食品数据库是从网上获取到的，所述标准食品数据库涵盖范围广，包含n类食材，每类食材中包含d种食材，其中，n、d为大于等于1的正整数。
17.s200.设置多目标优化函数的约束条件和目标函数；进一步的，所述约束条件，包括：每日推荐食材种类质量应该在推荐范围内，根据《中国居民膳食指南》可知，不同人群全天能量摄入量不同，其每天对应的不同种类食物摄入量不同，如公式（1）所示：（1）其中，m表示可推荐食材数量，表示第i种食材的推荐质量，表示是否推荐第i种食材，，0表示不推荐，1表示推荐，表示第k类食材第i种食材，指第k类食材的最小推荐值，指第k类食材的最大推荐值；每日能量所需摄入量应该在推荐范围内，如公式（2）所示：（2）
其中，表示单位质量第i种食材所含的能量，表示用户单日能量的最小推荐值，表示用户单日能量的最大推荐值；每日各种营养元素应该在推荐范围内，如公式（3）所示：（3）其中，表示当天所推荐所有食材中第j种营养元素的总含量，表示单位质量第i种食材所含第j种营养素的质量；每种食材可推荐质量范围，如公式（4）所示：（4）其中，指第i种食材的最小推荐量，指第i种食材的最大推荐量；每日食材种类数量不少于12种，如公式（5）所示：（5）各餐次能量比，如公式（6）所示：（6）其中，u表示每天餐次类型为，b表示早餐、l表示中餐、d表示晚餐，指第u餐推荐能量比例；根据菜谱数据，统计成菜概率，如公式（7）所示：（7）其中，指第u餐推荐的食材数量，指第u餐推荐可成菜的食材数量。
18.进一步的，所述目标函数，包括：日营养元素摄入函数、食材成菜概率函数和目标优化函数；所述日营养元素摄入函数，是指每日各种营养元素应满足用户的摄入要求，如公式（8）所示：（8）其中，表示当天该用户对第j种营养元素的权重；所述食材成菜概率函数，是指每餐所推荐的食材要尽可能地成菜，如公式（9）所示：（9）其中，表示第u餐成菜概率；
所述目标优化函数，如公式（10）所示：（10）其中，、表示系数，。
19.s300.构建食材评分机制，用于选取食材；进一步的，所述s300，包括：s310.粗召回：基于所述用户数据，根据用户所述用户职业和用户偏好，对食材标签分别进行归一化，然后赋予不同类型的标签不同权重，采用加权的方法计算所有可推荐食材的召回概率，并对所述召回概率做降序排序得到排序结果；s320.精召回：基于所述排序结果，结合菜谱对食材进行召回，得到召回的食材，根据所述成菜概率判断所述召回的食材是否可成菜，并根据所述判断的结果对可成菜的食材进行选取。
20.s400.使用多目标优化算法对所述选取食材进行求解得到食材推荐方案。
21.进一步的，所述s400，包括：s410.通过所述食材评分机制使用不同的策略进行食材选取，同时召回多组第一推荐食材；s420.针对所述多组第一推荐食材，在满足所述约束条件的基础上，使用所述多目标优化算法中的多阶段逐层优化算法进行求解后得到第二推荐食材。
22.进一步的，所述s420，包括：s421.初始化阶段，使用贪婪算法对所述目标优化函数进行求解，得到一个违背硬规则个数最少且所述目标优化函数最大的解作为初始解；s422.营养元素优化阶段，针对全天食材推荐进行求解，以公式（1）到公式（5）作为约束条件，对所述日营养元素摄入函数进行求解，采用全局搜索算法在全局范围内进行搜索，得到当次营养元素最优解；s423.餐次优化阶段，针对各餐次能量计算和成菜概率进行求解，以公式（6）到公式（7）作为约束条件，对所述食材成菜概率函数进行求解，采用局部搜索算法进行快速求解，得到当次餐次最优解；s424.达到迭代次数或达到设定时间则终止求解，所述当次餐次最优解即为最终最优解。
23.s430.汇总所述第一推荐食材和所述第二推荐食材，采用人工评价的方式，创建食材推荐评分规则对所述第一推荐食材和所述第二推荐食材进行评分，从中通过选取评分最高的食材得到最优膳食推荐方案。
24.进一步的，所述创建食材推荐评分规则对所述第一推荐食材和所述第二推荐食材进行评分，包括：硬规则和软约束，所述硬规则包括公式（1）到公式（6）对应的基础约束，所述硬规则不可违背；所述软约束是指根据用户职业、用户偏好、时令、地域和单餐是否可成菜等规则对所述第一推荐食材和所述第二推荐食材进行打分。
25.以下结合实施例1对本发明的特征和性能作进一步的详细描述。
26.以糖尿病患者为例，科学研究表明糖尿病患者需要控制饮食，少食多餐，建议分为六餐摄入，分别为早餐、早加餐、午餐、午加餐、晚餐和晚加餐，建议各餐能量比例为21%、
10%、28%、10%、21%、10%。
27.s100.获取用户数据，并对所述用户数据进行预处理；根据用户数据，糖尿病患者宜食：低gi、低gl、高膳食纤维、高维生素、高维生素c、高b族维生素、高叶酸、高类胡萝卜素、高维生素a、高锌、高硒、高铬、优质蛋白等类型食物；慎食：高gl、高能量、高脂肪、高饱和脂肪酸、高胆固醇、高gi、高糖、刺激、内脏、高盐等类型食物；结合食材营养元素含量标签为每一种食材更新宜食、慎食标签，所以糖尿病患者宜食黄瓜、玉米、山药和青椒等食材，慎食鸭蛋、辣椒、蜂蜜和动物内脏等食材；根据用户基础信息，计算单日能量范围、营养元素范围和每类食材质量范围等。
28.s200.设置多目标优化函数的约束条件和目标函数；s300.构建食材评分机制，用于选取食材；食材过滤：根据食材标签，过滤慎食食材，例如，针对糖尿病患者不再推荐鸭蛋和动物内脏等食材；食材粗召回：基于所述用户数据，对食材标签分别进行归一化，然后赋予不同类型的标签不同权重，根据当前时令、所属地域、食材是否常见、用户职业属性和用户偏好，采用加权的方法计算所有可推荐食材的召回概率，如下表所示，最后对所述召回概率做降序排序得到排序结果； 时令地域是否常见职业属性用户偏好
···
玉米11101
···
西红柿11100
···
青椒11100
························
食材精召回：基于所述排序结果，结合菜谱对食材进行召回，得到召回的食材，根据所述成菜概率判断所述召回的食材是否可成菜，并根据所述判断的结果对可成菜的食材进行选取。
29.s400.使用多目标优化算法对所述选取食材进行求解得到食材推荐方案。
30.统计所有推荐方案，选取最优推荐方案。
31.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
32.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。