保障儿童饮食营养均衡的管理方法及系统技术方案

本发明专利技术提供一种保障儿童饮食营养均衡的管理方法及系统，包括基于儿童饮食记录数据，确定儿童所摄入食物原料信息以及食物营养成分信息；根据所述食物原料信息以及所述食物营养成分信息，结合历史食谱信息以及预先获取的儿童标准营养摄入信息，通过多目标优化算法确定所述儿童饮食记录数据对应的营养均衡要求；基于所述营养均衡要求，结合所述儿童饮食口味偏好，设置个性化食谱并对所述个性化食谱打分，并推荐打分超过预设推荐阈值的个性化食谱列表。本发明专利技术的方法在满足儿童饮食营养均衡的基础上，还能够进行个性化推荐，提升儿童用餐体验。体验。体验。

【技术实现步骤摘要】
保障儿童饮食营养均衡的管理方法及系统


[0001]本专利技术涉及大数据分析
，尤其涉及一种保障儿童饮食营养均衡的管理方法及系统。

技术介绍

[0002]食物与我们的个性和生活方式有着复杂、多方面的关系。研究表明，饮食习惯会影响人们的社会心理和身体健康，生命活动的维持需要从各式各样的食物中获取，人们需要确保日常营养的获取和人体的消耗保持平衡。
[0003]儿童作为特殊的一类人群，许多身体原因的产生正是由于不健康的饮食习惯造成，营养元素摄入不足通常会导致代谢紊乱、免疫功能低下等不良状况，而摄入过量往往会导致血压、血糖以及肥胖症等不良疾病，因此饮食对儿童的健康质量有着举足轻重的作用。
[0004]然而现有的营养管理方法，往往考虑因素单一，单纯地考虑儿童所需营养成分，并无科学依据的叠加，最后导致成本较高而所得到的效果不成正比，此外，并未针对每个儿童的个性化情况进行针对性推荐。

技术实现思路

[0005]本专利技术实施例提供一种保障儿童饮食营养均衡的管理方法及系统，用于解决现有技术中的部分问题，也即，解决现有技术单纯地考虑儿童所需营养成分，并无科学依据的叠加，最后导致成本较高而所得到的效果不成正比，并未针对每个儿童的个性化情况进行针对性推荐的问题。
[0006]本专利技术实施例的第一方面，
[0007]提供一种保障儿童饮食营养均衡的管理方法，包括：
[0008]基于儿童饮食记录数据，确定儿童所摄入食物原料信息以及食物营养成分信息；
[0009]根据所述食物原料信息以及所述食物营养成分信息，结合历史食谱信息以及预先获取的儿童标准营养摄入信息，通过多目标优化算法确定所述儿童饮食记录数据对应的营养均衡要求；
[0010]基于所述营养均衡要求，结合所述儿童饮食口味偏好，设置个性化食谱并对所述个性化食谱打分，并推荐打分超过预设推荐阈值的个性化食谱列表。
[0011]在一种可选的实施方式中，
[0012]所述根据所述食物原料信息以及所述食物营养成分信息，结合历史食谱信息以及预先获取的儿童标准营养摄入信息，通过多目标优化算法确定所述儿童饮食记录数据对应的营养均衡要求包括：
[0013]为所述食物原料信息以及所述食物营养成分信息设置对应的约束关系矩阵，将所述历史食谱信息作为粒子群，初始化所述粒子群、所述粒子群中所有粒子的速度和位置，以及所述粒子群对应的外部档案；
[0014]以所述历史食谱信息中所含食物营养成分信息与所述儿童标准营养摄入信息的
营养差值最小化为目标构建适应度函数；
[0015]根据所述适应度函数建立适应网格空间，将所述适应网格空间均分为多个子网格，基于所述多个子网格对应的适应度值通过轮盘赌选择算法确定目标粒子，将所述目标粒子的位置和速度作为初始最优解；
[0016]基于所述多个子网格对应的适应度值构建粒子越界集合，并将所述粒子越界集合并入所述外部档案，以所述外部档案规模为限，迭代优化所述粒子群中粒子的速度和位置，直至达到预设迭代条件。
[0017]在一种可选的实施方式中，
[0018]所述基于所述多个子网格对应的适应度值构建粒子越界集合，并将所述粒子越界集合并入所述外部档案，以所述外部档案规模为限，迭代优化所述粒子群中粒子的速度和位置，直至达到预设迭代条件包括：
[0019]基于所述多个子网格对应的适应度值以及所述多个子网格的网格密度，设置惯性权重值以及学习因子，结合所述多个子网格中粒子的位置上下限构建粒子越界集合；
[0020]以所述外部档案规模为限，在迭代优化所述粒子群中粒子的速度和位置过程中，进行自适应判定，若判定寻找最优解过程中停滞，则对所述粒子群中粒子的速度和位置进行变异操作，直至达到预设迭代条件。
[0021]在一种可选的实施方式中，
[0022]所述基于所述多个子网格对应的适应度值以及所述多个子网格的网格密度，设置惯性权重值以及学习因子，结合所述多个子网格中粒子的位置上下限构建粒子越界集合包括：
[0023][0024][0025][0026][0027]其中，表示第k次迭代时第i个粒子的位置，f(x)表示适应度值，K表示粒子的数量，G
i
(x)表示第i个惯性权重值，R
i
表示第i个学习因子，x
i,max
、x
i,min
分别表示第i个粒子在搜索空间的上下边界，P表示位置调整系数，表示第k
‑
1次迭代时第i个粒子的位置；
[0028]、分别表示第k次迭代时第i个粒子的速度，pbest
i
表示第i个粒子对应的局部最优值，gbest表示全局最优值；
[0029]所述在迭代优化所述粒子群中粒子的速度和位置过程中，进行自适应判定包括：
[0030][0031]其中，D(pbest
i
)表示对局部最优值进行自适应判定，H表示外部档案规模。
[0032]在一种可选的实施方式中，
[0033]所述基于所述营养均衡要求，结合所述儿童饮食口味偏好，设置个性化食谱并对所述个性化食谱打分包括：
[0034]基于所述营养均衡要求设置第一权重值，基于所述儿童饮食口味偏好设置第二权重值；
[0035]根据所述营养均衡要求、所述儿童饮食口味偏好，以及所述第一权重值和所述第二权重值，从所述历史食谱信息中确定个性化食谱并对所述个性化食谱打分。
[0036]在一种可选的实施方式中，
[0037]所述方法还包括确定儿童饮食口味偏好：
[0038]基于所获取的儿童对所述历史食谱的评价信息、所述食物原料信息以及所述食物营养成分信息对应的矩阵信息，确定儿童对所述历史食谱的评分均值；
[0039]通过预先构建的情景规则，结合所述儿童对所述历史食谱的评分均值以及预先构建的时间权重函数，确定儿童饮食口味偏好。
[0040]在一种可选的实施方式中，
[0041]所述通过预先构建的情景规则，结合所述儿童对所述历史食谱的评分均值以及预先构建的时间权重函数，确定儿童饮食口味偏好包括：
[0042][0043][0044][0045]其中，prefer表示儿童口味偏好，QJ表示所述情景规则，C
u,L
表示儿童u对历史食谱L的评分均值，|Re|表示所述历史食谱的关联矩阵，TIME(u,L)表示所述时间权重函数；
[0046]S表示所述食物原料信息以及所述食物营养成分信息对应的矩阵信息，R
u,L
表示儿童u对历史食谱L的评价信息，f
L,S
表示食物原料信息以及所述食物营养成分信息S在历史食谱L中出现的频率，F
u,S
表示儿童u评过分且包含所述食物原料信息以及所述食物营养成分信息S的历史食谱集合；
[0047]v表示儿童u和历史食谱L的时间影响权重，T
now
表示当前时间，T
min...

【技术保护点】

【技术特征摘要】
1.一种保障儿童饮食营养均衡的管理方法，其特征在于，包括：基于儿童饮食记录数据，确定儿童所摄入食物原料信息以及食物营养成分信息；根据所述食物原料信息以及所述食物营养成分信息，结合历史食谱信息以及预先获取的儿童标准营养摄入信息，通过多目标优化算法确定所述儿童饮食记录数据对应的营养均衡要求；基于所述营养均衡要求，结合所述儿童饮食口味偏好，设置个性化食谱并对所述个性化食谱打分，并推荐打分超过预设推荐阈值的个性化食谱列表。2.根据权利要求1所述的方法，其特征在于，所述根据所述食物原料信息以及所述食物营养成分信息，结合历史食谱信息以及预先获取的儿童标准营养摄入信息，通过多目标优化算法确定所述儿童饮食记录数据对应的营养均衡要求包括：为所述食物原料信息以及所述食物营养成分信息设置对应的约束关系矩阵，将所述历史食谱信息作为粒子群，初始化所述粒子群、所述粒子群中所有粒子的速度和位置，以及所述粒子群对应的外部档案；以所述历史食谱信息中所含食物营养成分信息与所述儿童标准营养摄入信息的营养差值最小化为目标构建适应度函数；根据所述适应度函数建立适应网格空间，将所述适应网格空间均分为多个子网格，基于所述多个子网格对应的适应度值通过轮盘赌选择算法确定目标粒子，将所述目标粒子的位置和速度作为初始最优解；基于所述多个子网格对应的适应度值构建粒子越界集合，并将所述粒子越界集合并入所述外部档案，以所述外部档案规模为限，迭代优化所述粒子群中粒子的速度和位置，直至达到预设迭代条件。3.根据权利要求2所述的方法，其特征在于，所述基于所述多个子网格对应的适应度值构建粒子越界集合，并将所述粒子越界集合并入所述外部档案，以所述外部档案规模为限，迭代优化所述粒子群中粒子的速度和位置，直至达到预设迭代条件包括：基于所述多个子网格对应的适应度值以及所述多个子网格的网格密度，设置惯性权重值以及学习因子，结合所述多个子网格中粒子的位置上下限构建粒子越界集合；以所述外部档案规模为限，在迭代优化所述粒子群中粒子的速度和位置过程中，进行自适应判定，若判定寻找最优解过程中停滞，则对所述粒子群中粒子的速度和位置进行变异操作，直至达到预设迭代条件。4.根据权利要求3所述的方法，其特征在于，所述基于所述多个子网格对应的适应度值以及所述多个子网格的网格密度，设置惯性权重值以及学习因子，结合所述多个子网格中粒子的位置上下限构建粒子越界集合包括：,,,,
其中，表示第k次迭代时第i个粒子的位置，f(x)表示适应度值，K表示粒子的数量，G
i
(x)表示第i个惯性权重值，R
i
表示第i个学习因子，x
i,max
、x
i,min
分别表示第i个粒子在搜索空间的上下边界，P表示位置调整系数，表示第k
‑
1次迭代时第i个粒子的位置；、分别表示第k次迭代时第i个粒子的速度，pbest
i
表示第i个粒子对应的局部最优值，gbest表示全局...

【专利技术属性】
技术研发人员：李利明，贺志晶，
申请(专利权)人：北京四海汇智科技有限公司，
类型：发明
国别省市：