营养评价与膳食智能决策支持系统设计研究

论文摘要

随着社会经济的飞速发展，国民日益关注饮食与健康。营养评价与膳食智能决策支持系统就是依据相关标准对人体和膳食营养进行客观的评判，并在此基础上提供满足营养标准的膳食配方智能决策支持系统。本文基于模糊支配粒子群算法和本体知识库在营养评价与膳食决策中的应用，主要完成以下几个方面的工作：(1)简要介绍了粒子群算法的基本原理以及多目标优化的概念和基本模型，并分析了经典多目标粒子群优化算法，着重介绍了典型的模糊支配粒子群算法。对于该算法过早收敛的局限性，提出了改进的带禁忌搜索和动态权重调整策略的模糊支配粒子群算法。实验分析表明，改进的算法在超多目标优化问题更具有优越性。(2)简要介绍了本体知识库的基本概念。利用本体知识库技术，结合营养学领域，提出了营养评价本体知识库模型并给出了基于OWL的营养评价本体描述。该模型系统地描述了营养评价领域的抽象结构，建立了概念间的相互联系，实现了高效推理、知识共享和检索功能，提高了知识库的智能水平。(3)将改进算法应用到营养评价与膳食智能决策支持系统，详尽的介绍了算法的实现方法。系统仿真结果表明，改进的算法对超多目标优化问题具有明显的优越性，能够提供比较满意的配餐结果。从应用的角度证明了算法的有效性。(4)结合算法基于Microsoft Visual Studio2008环境，采用C#、SQL数据库技术，设计并实现了营养评价与膳食智能决策支持系统的体系结构，开发了C/S版的系统原型，为营养评价与合理膳食决策提供指导。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 国内研究现状
• 1.2.2 国外研究现状
• 1.3 研究背景
• 1.3.1 智能决策支持系统
• 1.3.2 群智能优化算法
• 1.3.3 本体知识库
• 1.4 本文的组织和工作安排
• 第二章 粒子群优化算法
• 2.1 群智能优化算法概述
• 2.2 粒子群优化算法概述
• 2.2.1 产生背景
• 2.2.2 基本原理
• 2.2.3 数学描述
• 2.2.4 基本流程
• 2.3 典型粒子群优化算法
• 2.3.1 基本粒子群优化算法
• 2.3.2 标准粒子群优化算法
• 2.3.3 带收缩因子的粒子群优化算法
• 2.4 多目标粒子群优化算法
• 2.4.1 多目标优化产生背景
• 2.4.2 多目标优化模型和基本概念
• 2.4.3 典型多目标粒子群优化算法
• 2.5 小结
• 第三章 改进的模糊 Pareto 支配多目标粒子群优化算法
• 3.1 Pareto 支配的缺陷
• 3.2 基于模糊 Pareto 支配的粒子群算法
• 3.2.1 模糊 Pareto 支配度
• 3.2.2 典型模糊 Pareto 支配粒子群算法
• 3.3 改进的模糊 Pareto 支配粒子群算法（IFPD-MOPSO）
• 3.4 性能评估和测试函数
• 3.4.1 性能评估指标
• 3.4.2 测试函数与方法
• 3.4.3 实验结果
• 3.5 小结
• 第四章 营养评价本体知识库模型设计
• 4.1 概述
• 4.2 本体
• 4.3 知识库
• 4.4 本体在知识库中的引入
• 4.5 营养评价本体知识库的构建
• 4.5.1 领域知识获取
• 4.5.2 系统模型
• 4.5.3 本体构建
• 4.5.4 本体知识库的实现
• 4.6 小结
• 第五章 改进算法在营养评价与膳食智能决策支持系统中的应用
• 5.1 营养评价与膳食智能决策支持系统分析
• 5.1.1 系统总体目标
• 5.1.2 系统关键技术
• 5.2 营养评价与膳食智能决策支持系统设计
• 5.2.1 系统的体系结构
• 5.2.2 系统功能模块
• 5.2.3 膳食决策模型
• 5.3 改进算法应用实例
• 5.3.1 算法实现细节
• 5.3.2 算法程序实现
• 5.3.3 算法应用数据
• 5.4 原型系统实现
• 5.5 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间所取得的科研成果