优化营养决策:一个粒子群优化-模拟化-增强分析层次的粒子群优化过程方法,用于个性化的餐饮计划
Fatemeh Sarani Rad1, Maryam Amiri1, Juan Li1
1Department of Computer Science, North Dakota State University, Fargo, ND 58105, USA.
Nutrients
|September 28, 2024
概括
这项研究引入了一种新的混合算法 (PSO-SA),通过完善营养决策来改进个性化的餐饮计划. 它提高了分析层次过程 (AHP) 的准确性,以获得更好的饮食指导.
科学领域:
- 决策科学 决策科学
- 营养科学 营养科学
- 计算智能是一种计算智能.
背景情况:
- 个性化的餐饮计划是复杂的,涉及健康,饮食,文化和经济因素.
- 分析层次过程 (AHP) 有助于决策,但与不一致的对对比作斗争.
研究的目的:
- 开发一种新的算法来改进营养中不一致的AHP重量矩阵.
- 为了提高个性化的餐饮计划决策的准确性和一致性.
主要方法:
- 开发了一种混合粒子优化模拟化 (PSO-SA) 算法.
- 该算法将全球搜索 (PSO) 与本地搜索 (SA) 结合起来,以获得最佳平衡.
- 它改进了不一致的AHP重量矩阵,以提高决策准确性.
主要成果:
- 该PSO-SA算法在现实世界餐饮规划场景中展示了实用的实用性.
- 它有效地实现了AHP矩阵中的一致性.
- 该算法超过了标准粒子集群优化 (PSO) 的准确性.
结论:
- 该PSO-SA算法为AHP在营养多标准决策中的不一致性提供了一个强大的解决方案.
- 将其集成到移动应用程序中,可以为营养学家提供先进的决策支持.
- 这促进了个性化的饮食干预,以改善客户的健康结果.


