【技术实现步骤摘要】
本专利技术属于智慧饮食，具体涉及一种基于智慧饮食的用餐动态配餐方法及系统。
技术介绍
1、我国的“智慧饮食”的理念其实在古代就已产生，但主要以经验、习惯等方式存在于民间，并没有形成明确的概念。北魏贾思勰的《齐民要术》详细记载了农业生产、食品属性箭制作等内容，为古代“智慧饮食”的发展奠定了基础，为后世的饮食观念起到了非常好的分钡作用：《黄帝内经》提出“五谷为养，五果为助，五畜为益，五菜为充”的膳食搭配文化。此外，还有粥文化、豆腐文化、素食文化、茶文化、酒文化等，这些都是古人留下来值得世代传承的宝贵遗产。但这此文化中提到的搭配大都没有精准的量化，人们对饮食的搭配也大多是经验主义，往往难以准确掌握食物的摄入量和搭配比例。
技术实现思路
1、为了解决当前饮食搭配大都没有精准的量化，人们对饮食的搭配也大多是经验主义，往往难以准确掌握食物的摄入量和搭配比例的技术问题，本专利技术提供一种基于智慧饮食的用餐动态配餐方法及系统。
2、第一方面
3、本专利技术提供了一种基于智慧饮食的用餐动态配餐方法，包括：
4、s1：获取用餐数据；
5、s2：根据所述用餐数据，通过食物种类划分模型，获得用餐中的食物种类数据；
6、s3：根据用户偏好，通过粒子寻优算法，在每一类所述食物种类数据中确定出最优食物，以进行动态配餐。
7、进一步地，所述s2具体包括：
8、s201：初始化粒子群，所述粒子群包括多个用餐粒子：
9、x
10、
11、其中，x表示用餐粒子，bi表示第i类食物的能量集合，i＝1,2,…,m，m表示食物的总类别数，xij表示第i类第j个食物的能量，j＝1,2,…,ni，ni表示第i类食物的总数；
12、s202：构建食物种类划分模型的目标函数：
13、minf(x)＝(f1(x),f2(x),…,fk(x))
14、其中，f()表示目标函数，fk()表示k维目标空间中的第k个子目标函数；
15、s203：比较各个用餐粒子的目标函数的函数值，确定pareto最优解集；
16、s204：组合所述pareto最优解集与其他解集，生成食物矩阵，并对所述食物矩阵进行解集标记与跨解集标记；
17、s205：通过软负载技术，将相同类型的解集标记与跨解集标记的用餐数据组成食物种类数据，并输出所述食物种类数据。
18、进一步地，所述s3具体包括：
19、s301：根据卡路里得分、营养素得分以及价格得分，构建适应度函数；
20、s302：初始化每一类所述食物种类数据中的粒子群，所述粒子群包括多个用餐粒子：
21、x＝(b1,…,bi,…,bm)
22、
23、其中，x表示用餐粒子，bi表示第i类食物的能量集合，i＝1,2,…,m，m表示食物的总类别数，xij表示第i类第j个食物的能量，j＝1,2,…,ni，ni表示第i类食物的总数；
24、s303：计算每一类所述食物种类数据中的各个用餐粒子的适应度函数值；
25、s304：判断全局最优适应度函数值是否达到最优；若是，输出当前最优用餐粒子，并根据所述当前最优用餐粒子进行动态配餐；否则，进入下一步；
26、s305：判断迭代次数是否达到最大迭代次数；若是，输出当前最优用餐粒子，并根据所述当前最优用餐粒子进行动态配餐；否则，使用混沌扰乱更新用餐粒子，回到s303。
27、进一步地，所述适应度函数具体为：
28、
29、其中，f表示适应度函数，sc表示卡路里得分，sn表示营养素得分，sp表示价格得分。
30、进一步地，所述卡路里得分sc的计算方式为：
31、
32、其中，rc表示卡路里推荐约束量，stc表示卡路里标准参照量；
33、所述营养素得分sn的计算方式为：
34、
35、其中，rn表示营养素推荐约束量，stn表示营养素标准参照量；
36、所述价格得分sp的计算方式为：
37、
38、其中，rp表示价格推荐约束量，stp表示价格标准参照量。
39、第二方面
40、本专利技术提供了一种基于智慧饮食的用餐动态配餐系统，包括：
41、货期模块，用于获取用餐数据；
42、获得模块，用于根据所述用餐数据，通过食物种类划分模型，获得用餐中的食物种类数据；
43、配餐模块，用于根据用户偏好，通过粒子寻优算法，在每一类所述食物种类数据中确定出最优食物，以进行动态配餐。
44、进一步地，所述获得模块具体用于：
45、初始化粒子群，所述粒子群包括多个用餐粒子：
46、x＝(b1,…,bi,…,bm)
47、
48、其中，x表示用餐粒子，bi表示第i类食物的能量集合，i＝1,2,…,m，m表示食物的总类别数，xij表示第i类第j个食物的能量，j＝1,2,…,ni，ni表示第i类食物的总数；
49、构建食物种类划分模型的目标函数：
50、minf(x)＝(f1(x),f2(x),…,fk(x))
51、其中，f()表示目标函数，fk()表示k维目标空间中的第k个子目标函数；
52、比较各个用餐粒子的目标函数的函数值，确定pareto最优解集；
53、组合所述pareto最优解集与其他解集，生成食物矩阵，并对所述食物矩阵进行解集标记与跨解集标记；
54、通过软负载技术，将相同类型的解集标记与跨解集标记的用餐数据组成食物种类数据，并输出所述食物种类数据。
55、进一步地，所述配餐模块具体用于：
56、根据卡路里得分、营养素得分以及价格得分，构建适应度函数；
57、初始化每一类所述食物种类数据中的粒子群，所述粒子群包括多个用餐粒子：
58、x＝(b1,…,bi,…,bm)
59、
60、其中，x表示用餐粒子，bi表示第i类食物的能量集合，i＝1,2,…,m，m表示食物的总类别数，xij表示第i类第j个食物的能量，j＝1,2,…,ni，ni表示第i类食物的总数；
61、计算每一类所述食物种类数据中的各个用餐粒子的适应度函数值；
62、判断全局最优适应度函数值是否达到最优；若是，输出当前最优用餐粒子，并根据所述当前最优用餐粒子进行动态配餐；否则，进入下一步；
63、判断迭代次数是否达到最大迭代次数；若是，输出当前最优用餐粒子，并根据所述当前最优用餐粒子进行动态配餐；否则，使用混沌扰乱更新用餐粒子，回到计算各个用餐粒子的适应度函数值的步骤。
64、进一步地，所述适应度函数具体为：本文档来自技高网...
【技术保护点】
1.一种基于智慧饮食的用餐动态配餐方法，其特征在于，包括：
2.根据权利要求1所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述S2具体包括：
3.根据权利要求1所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述S3具体包括：
4.根据权利要求3所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述适应度函数具体为：
5.根据权利要求4所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述卡路里得分Sc的计算方式为：
6.一种基于智慧饮食的用餐动态配餐系统，其特征在于，包括：
7.根据权利要求6所述的基于智慧饮食的用餐动态配餐系统，其特征在于，所述获得模块具体用于：
8.根据权利要求6所述的基于智慧饮食的用餐动态配餐系统，其特征在于，所述配餐模块具体用于：
9.根据权利要求8所述的基于智慧饮食的用餐动态配餐系统，其特征在于，所述适应度函数具体为：
10.根据权利要求9所述的基于智慧饮食的用餐动态配餐系统，其特征在于，所述卡路里得分Sc的计算方式为：
【技术特征摘要】
1.一种基于智慧饮食的用餐动态配餐方法，其特征在于，包括：
2.根据权利要求1所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述s2具体包括：
3.根据权利要求1所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述s3具体包括：
4.根据权利要求3所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述适应度函数具体为：
5.根据权利要求4所述的基于智慧饮食的用餐动态配餐方法，其特征在于，所述卡路里得分sc的计算方式为：
【专利技术属性】
技术研发人员：高魁鸿，弓钰，李恺，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。