营养决策主要通过多目标遗传算法来建立模型,多目标和单目标优化不同之处在于,单目标优化问题的解基本是一个解，而多目标的解而是一个集合，我们称其为Pareto解集。传统的多目标优化算法很难找到全部Pareto解。而遗传算法则是通过一组可能解在进行多次操作就能找到N个Pareto解。目前进化算法在多目标优化中己经取得了很多好的结论.22318
文献[1]提出了一种集成化的的饮食规划策略, 以用户要求为核心, 考虑了用户本身、食谱以及食物分类。[2]中把模糊技术和遗传算法的思想统一起来.提出新的FSPEA的算法,更容易发现多个Pareto 最优解. [9]引入了实数表示法来描述食物的量, 找出了了相应的遗传算子, 并考虑了成本控制问题。论文网
文献[9]虽然考虑了多目标的优化问题, 然而所采用的加权求和这种传统算法,会带来一些的局限性, 它基本无法找到非凸 Perato前沿中的解 营养决策国内外研究现状与发展趋势:http://www.youerw.com/yanjiu/lunwen_14887.html