[论文解读] Computation of Diet Composition for Patients Suffering from Kidney and Urinary Tract Diseases with the Fuzzy Genetic System

Sri Hartati, Shofwatul Uyun|arXiv (Cornell University)|Jun 25, 2013

Optimization and Mathematical Programming参考文献 8被引用 3

一句话总结

本文提出一种模糊遗传系统，用于计算肾病及尿路疾病患者的最优饮食能量构成，通过模糊逻辑动态调节遗传算法参数，并采用Mamdani推理模型确定交叉与变异概率。该方法基于400份食物调查数据点，利用每名个体10个基因的染色体表示法，生成10种个性化食物组合，其营养成分与每日热量需求相匹配。

ABSTRACT

Determination of dietary food consumed a day for patients with diseases in general, greatly affect the health of the body and the healing process, is no exception for people with kidney disease and urinary tract. This paper presents the determination of diet composition in the form of food subtance for people with kidney and urinary tract diseases with a genetic fuzzy approach. This approach combines fuzzy logic and genetic algorithms, which utilizing fuzzy logic fuzzy tools and techniques to model the components of the genetic algorithm and adapting genetic algorithm control parameters, with the aim of improving system performance. The Mamdani fuzzy inference model and fuzzy rules based on population parameters and generation are used to determine the probability of crossover and mutation, and was using In this study, 400 food survey data along with their substances was used as test material. From the data, a varying amount of population is established. Each chromosome has 10 genes in which the value of each gene indicates the index number of foodstuffs in the database. The fuzzy genetic approach produces 10 best food substance and their compositions. The composition of these foods has nutritional value in accordance with the number of calories needed by people with kidney and urinary tract diseases by type of food.

研究动机与目标

• 开发一种计算方法，为肾病及尿路疾病患者提供个性化的饮食能量规划。
• 通过将模糊逻辑与遗传算法结合，提升饮食能量构成优化系统的性能。
• 根据种群适应度与代数进展，动态调整遗传算法参数（交叉率与变异率）。
• 确保生成的饮食能够满足肾病患者的特定热量与营养需求。
• 利用包含400种食物及其营养成分的真实食物调查数据验证该方法。

提出的方法

• 模糊遗传系统将遗传算法与模糊逻辑相结合，以优化饮食能量构成。
• 每个染色体使用10个基因编码一种饮食能量方案，每个基因代表400种食物数据库中的一种食物编号。
• Mamdani模糊推理系统根据种群参数与代数，确定交叉与变异概率。
• 利用适应度值与代数编号构建模糊规则，以自适应控制遗传操作。
• 评估所选食物组合的营养成分是否符合每日热量与膳食需求。
• 算法通过多代演化，收敛至具有理想营养特征的最优饮食能量构成。

实验结果

研究问题

• RQ1 如何有效将模糊逻辑与遗传算法结合，以提升肾病患者饮食能量构成优化的效果？
• RQ2 利用模糊推理动态调整交叉率与变异率对解的质量有何影响？
• RQ3 所提出的系统能否生成满足肾病患者特定热量与营养需求的饮食能量方案？
• RQ4 模糊遗传系统在饮食能量规划中的性能与传统优化方法相比如何？
• RQ5 该系统在处理食物数据库与营养约束的多样性方面具备多大程度的适应能力？

主要发现

• 模糊遗传系统成功生成了10组最优食物组合，其热量需求与肾病及尿路疾病患者的每日需求完全匹配。
• 通过模糊逻辑动态调节交叉与变异概率，显著提升了算法收敛速度与解的质量。
• 系统利用400份真实食物调查数据点及其详细营养成分，确保了临床相关性。
• 每个染色体代表一个完整的饮食能量方案，包含从预设数据库中选取的10种食物。
• Mamdani模糊推理模型有效将种群适应度与代数编号映射至遗传操作概率。
• 最终生成的饮食能量构成展现出均衡的营养特征，符合肾病患者医学饮食指南要求。