CN111986779A - 一种结合多目标线性规划与遗传算法的菜谱推荐方法 - Google Patents
一种结合多目标线性规划与遗传算法的菜谱推荐方法 Download PDFInfo
- Publication number
- CN111986779A CN111986779A CN202010628368.8A CN202010628368A CN111986779A CN 111986779 A CN111986779 A CN 111986779A CN 202010628368 A CN202010628368 A CN 202010628368A CN 111986779 A CN111986779 A CN 111986779A
- Authority
- CN
- China
- Prior art keywords
- menu
- genetic algorithm
- fitness
- user
- food materials
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002068 genetic effect Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 40
- 235000013305 food Nutrition 0.000 claims abstract description 67
- 239000000463 material Substances 0.000 claims abstract description 65
- 230000035772 mutation Effects 0.000 claims abstract description 19
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 235000012054 meals Nutrition 0.000 claims abstract description 7
- 235000005911 diet Nutrition 0.000 claims abstract description 6
- 230000037213 diet Effects 0.000 claims abstract description 6
- 235000020785 dietary preference Nutrition 0.000 claims abstract description 6
- 230000036541 health Effects 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 5
- 230000006872 improvement Effects 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 208000017667 Chronic Disease Diseases 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 235000021196 dietary intervention Nutrition 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 235000016709 nutrition Nutrition 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000035764 nutrition Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 235000015278 beef Nutrition 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 241000512259 Ascophyllum nodosum Species 0.000 description 1
- 235000002597 Solanum melongena Nutrition 0.000 description 1
- 244000061458 Solanum melongena Species 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 235000021048 nutrient requirements Nutrition 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种结合多目标线性规划与遗传算法的菜谱推荐方法。首先建立菜谱数据库,并记录用户饮食偏好;然后用户根据健康指引,在系统中输入本次就餐所须食材与食材重量,从菜谱数据库中筛选出所有能够实现的菜谱,构建成线性规划方程;之后对遗传算法进行适应度函数、选择算子、交叉算子、变异算子的改进,利用改进的算法,对线性规划方程进行求解,得到满足本次就餐所须食材与重量条件下的菜谱与菜谱重量的组合;最后基于用户饮食偏好,对菜谱组合进行排序并输出给用户。本发明可以根据用户输入的食材给出合适的菜谱推荐,并且基于用户饮食偏好进行推荐排序,从而提高营养学干预在慢病管控中的效果。
Description
技术领域
本发明涉及慢病管控、智能推荐技术领域,具体涉及一种结合多目标线性规划与遗传算法的菜谱推荐方法。
背景技术
我国慢性疾病的患者日益增加,但是相关的营养服务却难以及时更新,因此专业的配餐服务是当今社会的强烈需求。传统的营养配餐过程中,营养师结合居民的身体情况,给出适宜摄入的食材。但是从食材到菜谱这一部分,没有给出具体的营养指导。很多用户仅仅只是根据主观判断来进行食材的烹饪,从而大大降低了营养配餐在慢病管控中的作用。
目前的现有技术之一是李宁的《基于多目标线性规划的智能营养配餐系统研究》所提出的智能营养配餐系统,该技术使用多目标线性规划算法基于营养素的约束给出对应的食材推荐,并且利用遗传算法加快多目标线性规划的求解速度,从而实现慢病患者的智能配餐。该技术的缺点是缺乏从食材到菜谱的智能决策过程,并且没有考虑用户偏好对于菜谱选择的影响。
目前的现有技术之二是黄肇明等的《基于遗传算法的临床营养治疗食谱优化研究》所提出的食谱优化方法,该技术提出一种基于MATLAB遗传算法的线性整数规划算法,求解临床营养上的治疗食谱优化问题,建立满足营养素要求的约束方程和最小化花费等式的整数线性规划数学模型,用于解决临床的治疗食谱优化问题。该技术的缺点是无法实现多样化的智能配餐,并且缺乏从食材到菜谱的推荐过程,适用性较低。
发明内容
本发明的目的是克服现有方法的不足,提出了一种结合多目标线性规划与遗传算法的菜谱推荐方法。本发明解决的主要问题是,(1)如何实现从食材到菜谱的智能决策过程;(2)如何实现菜谱依据用户的偏好进行推荐排序。
为了解决上述问题,本发明提出了一种结合多目标线性规划与遗传算法的菜谱推荐方法,所述方法包括:
初始化处理,构建菜谱数据库,所述菜谱数据库记录了每一道菜谱所需要用到的食材与食材百分比,用户首次使用时在系统中输入饮食偏好;
用户根据当前身体状况与健康指引,在系统中输入本次就餐所必须包含的食材与食材重量;
依据所述本次就餐所必须包含的食材与食材重量,从所述菜谱数据库中筛选出所有能够实现的菜谱,构建成线性规划方程;
对遗传算法进行适应度函数、选择算子、交叉算子、变异算子的改进,利用所述改进的遗传算法,对所述线性规划方程进行求解,得到满足所述本次就餐所必须包含的食材与食材重量条件下的菜谱与菜谱重量的组合;
基于所述饮食偏好,对所述菜谱与菜谱重量的组合进行排序并输出给用户。
优选地,所述对遗传算法进行适应度函数的改进,具体为:
适应度函数设计如下:
f(x)=a1Z1+a2Z2+…+anZn
其中,Zi为菜谱中第i号食材的重量与用户输入值之间的误差,ai为选择参数,取值如下:
Bmax为用户输入食材重量量中的最大值,Bi为相应食材的输入重量。
优选地,所述对遗传算法进行选择算子的改进,具体为:
将种群全部个体的适应度一一计算出来;
将种群按照适应度的大小,由小到大进行排序;
将排序结果分为三等份,第一份为适应度最高的个体,第二份为适应度居中的个体,第三份为适应度较低的个体;
将第三份个体直接淘汰,并且将第一份适应度高的个体复制一份,跟随没有淘汰的个体进入到下一代中,用于抵消淘汰操作对父代种群产生的个体减少的影响。
优选地,所述对遗传算法进行交叉算子的改进,具体为:
交叉算子Pc设置为:
Pc=0.8×(1-s)
其中s为两个个体的相似度,即交叉算子与两个个体的相似度成负相关,用于增加优秀个体遗传到下一代的概率。
优选地,所述对遗传算法进行变异算子的改进,具体为:
采用动态变异算子计算方法,公式如下:
其中,pm为变异算子,pmin为最小变异算子,pmax为最大变异算子,f为当前个体适应度,fave为全部个体的平均适应度,fmin为当前种群中的最小适应度,fmax为当前种群中的最大适应度。
本发明提出的一种结合多目标线性规划与遗传算法的菜谱推荐方法,可以根据用户输入的食材给出合适的菜谱推荐,并且基于用户饮食偏好进行推荐排序,从而提高营养学干预在慢病管控中的效果。
附图说明
图1是本发明实施例的一种结合多目标线性规划与遗传算法的菜谱推荐方法的总体流程图;
图2是本发明实施例的标准化菜谱示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例的一种结合多目标线性规划与遗传算法的菜谱推荐方法的总体流程图,如图1所示,该方法包括:
S1,初始化处理,构建菜谱数据库,所述菜谱数据库记录了每一道菜谱所需要用到的食材与食材百分比,用户首次使用时在系统中输入饮食偏好;
S2,用户根据当前身体状况与健康指引,在系统中输入本次就餐所必须包含的食材与食材重量;
S3,依据所述本次就餐所必须包含的食材与食材重量,从所述菜谱数据库中筛选出所有能够实现的菜谱,构建成线性规划方程;
S4,对遗传算法进行适应度函数、选择算子、交叉算子、变异算子的改进,利用所述改进的遗传算法,对所述线性规划方程进行求解,得到满足所述本次就餐所必须包含的食材与食材重量条件下的菜谱与菜谱重量的组合;
S5,基于所述饮食偏好,对所述菜谱与菜谱重量的组合进行排序并输出给用户。
步骤S1,具体如下:
S1-1,获取高资质餐饮供应商的标准化菜谱,包括固定的烹饪流程与食材用量,将各项食材名称以及食材百分比逐项录入菜谱数据库。标准化菜谱示例如图2所示。
S1-2,用户首次使用时,选择自己喜欢的食材,例如:“鸡蛋”、“牛肉”、“茄子”等,作为菜谱推荐排序的重要参照指标。
步骤S2,具体如下:
用户根据当前身体状况与健康指引,在系统中输入食材以及对应的重量,例如:“鸡蛋50g”、“牛肉30g”、“海带21g”等。对于用户输入的m个食材进行编号,分别为1、2、…、m。
步骤S3,具体如下:
依据用户输入的食材与食材重量,从菜谱数据库中筛选出所有能够实现的菜谱。之后用户选中n个备选菜谱作为一顿的饮食套餐,将选中的n个备选菜谱分别标记为R1,R2,…,Rn。假设x1,x2,…,xn表示这n个备选菜谱的重量,R1,R2,…,Rn中的中第i种食材的百分比分别为:k1i,k2i,…,kni,在理想情况下,菜谱当中所含的食材和推荐的食材满足多元线性方程:
k1ix1+k2ix2+…+knixn=Bi(i=1,2,…,m)
Bi表示用户输入的第i号食材的重量。为了实现多样化的方案输出,本实施例中为用户输入的食材重量赋予一个上下波动的范围为15%,即Bimin=0.85Bi,Bimax=1.15Bi。于是得到下列式子:
用摄入量和推荐量之差绝对值为最小的方式,来让菜谱套餐中的食材含量无限接近于用户输入量。
步骤S4,具体如下:
遗传算法是一种借鉴生物界自然选择和进化规律演化而形成的随机自动化搜索方法,由于遗传算法具有高效的全局寻优能力,因此本方法联合多目标线性规划和遗传算法,加快求解过程。为了提高性能表现,对遗传算法进行适应度函数、选择算子、交叉算子、变异算子的改进。
S4-1,适应度函数是遗传算法中根据目标函数来确定种群当中个体质量的标准,也是进行自然选择的唯一证据。
本方法由于考虑到各种食材合理选择的问题,适应度函数初步设计为:
f(x)=Z1+Z2+…+Zn
其中Z1+Z2+…+Zn分别为所列n个备选菜谱中不同食材的重量与用户输入值之间的误差。运用该适应度函数可以求出f(x)的最小值,并且可以得到在当前适应度下,所有x的值。但是由于本方法应用的特殊性,直接运行该适应度函数得到的结果误差较大。因此对适应度函数f(x)加上参数:
f(x)=a1Z1+a2Z2+…+anZn
ai的取值如下:
其中,Bmax为用户输入m个食材重量中的最大值。
S4-2,本方法设计的适应度函数越小种群越优异,因此对选择算子进行改进。首先将种群全部个体的适应度一一计算出来。然后将种群按照适应度的大小,由小到大进行排序。将排序结果分为三等份,第一份为适应度最高的个体,第二份为适应度居中的个体,第三份为适应度较低的个体。最后将第三份个体直接淘汰,并且将第一份适应度高的个体复制一份,跟随没有淘汰的个体进入到下一代中,用于抵消淘汰操作对父代种群产生的个体减少的影响。由于选择的便利性,可以大幅度提高算法的收敛速度。
S4-3,本实施例的交叉算子Pc设置为:
Pc=0.8×(1-s)
其中s为两个个体的相似度。
交叉算子并不是一个固定的值,而实根据两个个体的相似度不同而不断改变的值,个体相似度越高,则交叉算子越低,个体相似度越低,则交叉算子越高。这在一定程度上会降低算法的运算速度,但是增加了优秀个体遗传到下一代的概率,保证了种群的优越性。
S4-4,为了避免算法收敛至局部最优解,本方法采用一种动态变异算子的计算方法,计算公式如下:
其中,pm为变异算子,pmin为最小变异算子,pmax为最大变异算子,f为当前个体适应度,fave为全部个体的平均适应度,fmin为当前种群中的最小适应度,fmax为当前种群中的最大适应度。本实施例中设置pmin=0.01和pmax=0.1。
利用改进的遗传算法,可以给出在波动范围内满足用户输入食材所对应的菜谱组合选择。
步骤S5,具体如下:
基于S1-2中用户输入的饮食偏好对相应的食材进行不同权重的赋值。例如,如果用户选择了“喜欢牛肉”,那么在进行菜谱选择时,含有“牛肉”这一食材的菜谱将会被赋予一个相比于其他菜谱而言更高的权重。假设所有菜谱的初始权重均为k(k>0),则含有其中c个偏好食材的菜谱将在k上再乘以αc(α>1)的系数,即所含偏好食材越多系数越高。最后按照权重的高低,将所有的菜谱以标准化菜谱的规格进行可视化的排序输出。多次使用后,系统会记录用户的菜谱选择记录,依据用户选择的菜谱中不同食材出现的次数,对于食材的权重进行修正。
本发明实施例提出的一种结合多目标线性规划与遗传算法的菜谱推荐方法,可以根据用户输入的食材给出合适的菜谱推荐,并且基于用户饮食偏好进行推荐排序,从而提高营养学干预在慢病管控中的效果。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的一种结合多目标线性规划与遗传算法的菜谱推荐方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种结合多目标线性规划与遗传算法的菜谱推荐方法,其特征在于,所述方法包括:
初始化处理,构建菜谱数据库,所述菜谱数据库记录了每一道菜谱所需要用到的食材与食材百分比,用户首次使用时在系统中输入饮食偏好;
用户根据当前身体状况与健康指引,在系统中输入本次就餐所必须包含的食材与食材重量;
依据所述本次就餐所必须包含的食材与食材重量,从所述菜谱数据库中筛选出所有能够实现的菜谱,构建成线性规划方程;
对遗传算法进行适应度函数、选择算子、交叉算子、变异算子的改进,利用所述改进的遗传算法,对所述线性规划方程进行求解,得到满足所述本次就餐所必须包含的食材与食材重量条件下的菜谱与菜谱重量的组合;
基于所述饮食偏好,对所述菜谱与菜谱重量的组合进行排序并输出给用户。
3.如权利要求1所述的一种结合多目标线性规划与遗传算法的菜谱推荐方法,其特征在于,所述对遗传算法进行选择算子的改进,具体为:
将种群全部个体的适应度一一计算出来;
将种群按照适应度的大小,由小到大进行排序;
将排序结果分为三等份,第一份为适应度最高的个体,第二份为适应度居中的个体,第三份为适应度较低的个体;
将第三份个体直接淘汰,并且将第一份适应度高的个体复制一份,跟随没有淘汰的个体进入到下一代中,用于抵消淘汰操作对父代种群产生的个体减少的影响。
4.如权利要求1所述的一种结合多目标线性规划与遗传算法的菜谱推荐方法,其特征在于,所述对遗传算法进行交叉算子的改进,具体为:
交叉算子Pc设置为:
Pc=0.8×(1-s)
其中s为两个个体的相似度,即交叉算子与两个个体的相似度成负相关,用于增加优秀个体遗传到下一代的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628368.8A CN111986779A (zh) | 2020-07-02 | 2020-07-02 | 一种结合多目标线性规划与遗传算法的菜谱推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628368.8A CN111986779A (zh) | 2020-07-02 | 2020-07-02 | 一种结合多目标线性规划与遗传算法的菜谱推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111986779A true CN111986779A (zh) | 2020-11-24 |
Family
ID=73438111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010628368.8A Pending CN111986779A (zh) | 2020-07-02 | 2020-07-02 | 一种结合多目标线性规划与遗传算法的菜谱推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986779A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035982A (zh) * | 2022-06-28 | 2022-09-09 | 北京飞拓互联科技有限公司 | 一种数据处理方法、装置及设备 |
CN116434915A (zh) * | 2023-06-07 | 2023-07-14 | 北京四海汇智科技有限公司 | 保障儿童饮食营养均衡的管理方法及系统 |
WO2024060967A1 (en) * | 2022-09-22 | 2024-03-28 | Nutricia Early Life Nutrition (Shanghai) Co., Ltd. | Meal plan generating method, apparatus, and computer implemented algorithm thereof |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170193853A1 (en) * | 2016-01-05 | 2017-07-06 | International Business Machines Corporation | Generative group-based meal planning system and method |
CN107729527A (zh) * | 2017-10-30 | 2018-02-23 | 爱乐云(杭州)科技有限公司 | 基于程序云的全年龄智能配奶机的控制方法和系统 |
WO2019244508A1 (ja) * | 2018-06-21 | 2019-12-26 | 日本電信電話株式会社 | 献立提案装置、献立提案方法及びプログラム |
-
2020
- 2020-07-02 CN CN202010628368.8A patent/CN111986779A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170193853A1 (en) * | 2016-01-05 | 2017-07-06 | International Business Machines Corporation | Generative group-based meal planning system and method |
CN107729527A (zh) * | 2017-10-30 | 2018-02-23 | 爱乐云(杭州)科技有限公司 | 基于程序云的全年龄智能配奶机的控制方法和系统 |
WO2019244508A1 (ja) * | 2018-06-21 | 2019-12-26 | 日本電信電話株式会社 | 献立提案装置、献立提案方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
刘宏畅: "改进遗传算法在营养配餐系统中的应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
梅子杰: "食材搭配推荐算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035982A (zh) * | 2022-06-28 | 2022-09-09 | 北京飞拓互联科技有限公司 | 一种数据处理方法、装置及设备 |
WO2024060967A1 (en) * | 2022-09-22 | 2024-03-28 | Nutricia Early Life Nutrition (Shanghai) Co., Ltd. | Meal plan generating method, apparatus, and computer implemented algorithm thereof |
CN116434915A (zh) * | 2023-06-07 | 2023-07-14 | 北京四海汇智科技有限公司 | 保障儿童饮食营养均衡的管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986779A (zh) | 一种结合多目标线性规划与遗传算法的菜谱推荐方法 | |
Yasutomi | The emergence and collapse of money | |
Dahlberg | Sustainable agriculture: Fad or harbinger? | |
Rosenheim | Stochasticity in reproductive opportunity and the evolution of egg limitation in insects | |
CN101271490A (zh) | 一种基于数字家庭的智能健康饮食咨询系统 | |
Lancaster | The history of the application of mathematical programming to menu planning | |
CN110223757A (zh) | 食谱方案的推荐方法、装置、介质、电子设备 | |
CN112069382A (zh) | 一种基于遗传算法的多食材营养配比方法 | |
García-Hernández et al. | A novel multi-objective interactive coral reefs optimization algorithm for the unequal area facility layout problem | |
CN117725237B (zh) | 基于大数据的食谱生成方法、装置、设备及存储介质 | |
Gumustekin et al. | A comparative study on Bayesian optimization algorithm for nutrition problem | |
CN116434915A (zh) | 保障儿童饮食营养均衡的管理方法及系统 | |
Cenzer et al. | Local adaptation in dispersal in multi-resource landscapes | |
CN116682533A (zh) | 基于机器学习的肾病患者营养管理方法及系统 | |
Razzaq et al. | EvoRecipes: a generative approach for evolving context-aware recipes | |
CN110739045B (zh) | 个性化食谱设计的交互式进化优化方法 | |
Kaldirim et al. | Application of a multi-objective genetic algorithm to the modified diet problem | |
Wakefield et al. | Genetic algorithms for adaptive psychophysical procedures: recipient-directed design of speech-processor MAPs | |
CN117573963A (zh) | 食材推荐方法、食材推荐装置、冰箱和存储介质 | |
Hardin et al. | Elemental Eating | |
Segura et al. | A novel memetic algorithm with explicit control of diversity for the menu planning problem | |
CN108985854B (zh) | 一种用户参与的个性化产品概念设计方法 | |
Cordon et al. | Guest editorial genetic fuzzy systems: what's next? An introduction to the special section | |
Schmitz | Functional responses of optimal consumers and the potential for regulation of resource populations | |
Schonmann et al. | Two-level Fisher-Wright framework with selection and migration: An approach to studying evolution in group structured populations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201124 |
|
RJ01 | Rejection of invention patent application after publication |