Формирование персонализированного рациона питания с использованием структурной оптимизации

Конструирование персонализированного рациона питания человека с учетом многообразия различных факторов связано с системным анализом и формализацией накопленных данных и знаний, а также с развитием цифровых технологий. В работе представлена методология оптимизации и формирования персонализированных рационов питания на основе структурно-параметрического моделирования. Предлагаемый подход позволяет решать следующие задачи: 1) анализировать суточный рацион или отдельные приемы пищи (завтрак, обед, полдник, ужин, дополнительные приемы пищи (перекус)) с известным количественным набором готовых продуктов по энергетической ценности и химическому составу с целью выявления диетических нарушений; 2) рассчитывать оптимальное для приема пищи количество продуктов из фиксированного перечня, тем самым составляя индивидуальный эталонный рацион с учетом умственной и физической нагрузки, нутритивного статуса потребителя, а также экономических аспектов; 3) оптимизировать рацион в зависимости от поставленной задачи путем подбора группы готовых продуктов из полного или избранного перечня архивных данных, равнозначно учитывая при этом все необходимые параметры; 4) корректировать рацион питания с учетом диетических отклонений по отдельным параметрам химического состава и энергетической ценности за счет дополнительного введения продуктов повышенной биологической ценности специального назначения, поливитаминных и поливитаминно-минеральных препаратов, а также природных биологически активных веществ.

1. Lichtenstein, A. H., Appel, L. J., Vadiveloo, M., Hu, F. B., Kris-Etherton, P. M., Rebholz, C. M. et al (2021). Dietary guidance to improve cardiovascular health: a scientific statement from the American heart association. Circulation, 144(23), e472–e477. https://doi.org/10.1161/CIR.0000000000001031

2. Ayoub, J. J, Samra, M. J. A., Hlais, S. A., Bassil, M. S., Obeid, O. A. (2015). Effect of phosphorus supplementation on weight gain and waist circumference of overweight/obese adults: a randomized clinical trial. Nutrition and Diabetes, 5(12), Article e189. https://doi.org/10.1038/nutd.2015.38

3. Mattar, L., Zeeni, N., Bassil, M. (2015). Effect of movie violence on mood, stress, appetite perception and food preferences in a random population. European Journal of Clinical Nutrition, 69(8), 972–973. https://doi.org/10.1038/ejcn.2014.262

4. Stigler, G. (1945). The cost of subsistence. Journal of Farm Economics, 27(2), 303–314. http://doi.org/10.2307/1231810

5. Lancaster, L. M. (1992). The history of the application of mathematical programming to menu planning. European Journal of Operational Research, 57(3), 339–347. https://doi.org/10.1016/0377–2217(92)90345-A

6. Lenstra, H. W. (1983). Integer programming with a fixed number of variables. Mathematics of Operations Research, 8(4), 538–548.

7. Schniederjans, M. (1995). Goal programming: methodology and applications. 1st edn. New York: Springer, 1995. https://doi.org/10.1007/978–1–4615–2229–4

8. McCann-Rugg, M., White, G. P., Endres, J. M. (1983). Using goal programming to improve the calculation of diabetic diets. Computers and Operations Research, 10(4), 365–373. https://doi.org/10.1016/0305–0548(83)90011–4

9. Bassi, L. J. (1976). The diet problem revisited. The American Economist, 20(2), 35–39. https://doi.org/10.1177/056943457602000206

10. Foytik, J. (1981). Devising and using a computerized diet: An exploratory study. The Journal of Consumer Affairs, 15(1), 158–169. https://doi.org/10.1111/J.1745–6606.1981.TB00699.X

11. Valdez-Pena, H., Martinez-Alfaro, H. (2003, 08 October). Menu planning using the exchange diet system. Proceedings of the 2003 IEEE International Conference on Systems, Man and Cybernetics (SMC’03). Washington, DC, USA. 3, 3044–3049. https://doi.org/10.1109/ICSMC.2003.1244355

12. McCann-Rugg, M., White, G. P., Endres, J. M. (1983). Using goal programming to improve the calculation of diabetic diets. Computers and Operations Research, 10(4), 365–373. https://doi.org/10.1016/0305–0548(83)90011–4

13. Ainsworth, B. E., Haskell, W. L., Herrmann, S. D., Meckes, N., Bassett, D. R. Jr., Tudor-Locke, C., Greer, G. R. et al. (2011). 2011 compendium of physical activities: a second up-date of codes and MET values. Medicine and Science in Sports and Exercise, 43(8), 1575–1581. https://doi.org/10.1249/MSS.0b013e31821ece12

14. Fister, D., Fister, R. S. I. (2016, 17–19 November). Generating eating plans for athletes using the particle swarm optimization. Proceedings of the 2016 IEEE17th International Symposium on Computational Intelligence and Informatics (CINTI’2016). Budapest, Hungary. 193–198. https://doi.org/10.1109/CINTI.2016.7846402

15. Razali, A. N. A. M., Bakar, E. M. N. E. A., Mahamud, K. R. K., Arbin, N., Rusiman, M. R. (2018). Self-adaptive hybrid genetic algorithm (SHGA). Far East Journal of Mathematical Sciences, 103(1), 171–190. http://doi.org/10.17654/MS103010171

16. Seljak, B. K. (2009). Computer-based dietary menu planning. Journal of Food Composition and Analysis, 22(5), 414–420. https://doi.org/10.1016/J.JFCA.2009.02.006

17. Türkmenoglu, C., Uyar, A. S. E., Kiraz, B. (2021). Recommending healthy meal plans by optimising nature-inspired many-objective diet problem. Health Informatics Journal, 27(1), Article 1460458220976719. https://doi.org/10.1177/1460458220976719

18. Salloum, G., Tekli, J. (2022). Automated and personalized meal plan generation and relevance scoring using a multi-factor adaptation of the transportation problem. Soft Computing, 26, 2561–2585. https://doi.org/10.1007/s00500–021–06400–1

19. Bianchi, L., Dorigo, M., Gambardella, L. M., Gutjahr, W. J. (2009). A Survey on metaheuristics for stochastic combinatorial optimization. Natural Computing, 8, 239–287. https://doi.org/10.1007/s11047–008–9098–4

20. El-Ghazi, T. (2009). Metaheuristics: from design to implementation. New Jersey: Wiley, 2009.

21. Husain, W., Wei, L. J, Cheng, S. L., Zakaria, N. (2011, 05–06 December). Application of data mining techniques in a personalized diet recommendation system for cancer patients. Proceedings of the 2011 IEEE colloquium on humanities, science and engineering, Penang, Malaysia. 239–244. https://doi.org/10.1109/CHUSER.2011.6163724

22. Khan, A. S., Hoffmann, A. (2003). An advanced artificial intelligence tool for menu design. Nutrition and Health, 17(1), 43–53. https://doi.org/10.1177/026010600301700105

23. Khan, A. S., Hoffmann, A. (2003). Building a case-based diet recommendation system without a knowledge engineer. Artificial Intelligence in Medicine, 27(2), 155–179. https://doi.org/10.1016/s0933–3657(02)00113–6

24. Petot, G. J., Marling, C., Sterling, L. (1998). An artificial intelligence system for computer-assisted menu planning. Journal of the Academy of Nutrition and Dietetics, 98(9), 1009–1014. https://doi.org/10.1016/S0002–8223(98)00231–4

25. Lee, C.-S., Wang, M.-H., Hsu, C.-Y., Hagras, H. (2009, 15–18 September). A novel type‑2 fuzzy ontology and its application to diet assessment. Proceedings of the 2009 IEEE/WIC/ACM International joint conference on web intelligence and intelligent agent technology, Milan, Italy. 3, 417–420. https://doi.org/10.1109/WI–IAT.2009.315

26. Lee, C.-S., Wang, M.-H., Acampora, G., Hsu, C.-Y., Hagras, H. (2010). Diet assessment based on type‑2 fuzzy ontology and fuzzy markup language. International Journal of Intelligent Systems, 25(12), 1187–1216. https://doi.org/10.1002/int.20449

27. Wang, M.-H., Lee, C.-S., Hsieh, K.-L., Hsu, C.-Y., Chang, C.-C. (2009, 20–24 August). Intelligent ontological multi-agent for healthy diet planning. Proceedings of the 2009 IEEE International Conference on Fuzzy Systems, Jeju, Korea (South). Article 10905832. https://doi.org/10.1109/FUZZY.2009.5277049

28. Lee, C.-S., Wang, M.-H., Habras, H., Chen, Z.-W., Lan, S.-T., Hsu, C.-Y. et al. (2012). A novel genetic fuzzy markup language and its application to healthy diet assessment. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 20(suppl02), 247–278. https://doi.org/10.1142/S0218488512400235

29. Lee, C.-S., Wang, M.-H., Lan, S. T. (2015, October). Adaptive personalized diet linguisti recommendation mechanism based on type‑2 fuzzy sets and genetic fuzzy markup language. Proceedings of the 2015 IEEE Transactions on Fuzzy Systems. 23(5), 1777–1802. https://doi.org/10.1109/TFUZZ.2014.2379256

30. Evans, D. (2017). MyFitnessPal. British Journal of Sports Medicine, 51(14), 1101–1102. http://doi.org/10.1136/bjsports‑2015–095538

31. Livestrong Foundation. MyPlate Calorie Counter. Retrieved from: https://www.livestrong.com/myplate/ Accessed May 25, 2022.

32. MyNetDiary, Retrieved from: https://www.mynetdiary.com/. Accessed May 25, 2022.

33. EatThisMuch Inc. Eat this much. Retrieved from: https://www.eatthismuch.com/. Accessed May 25, 2022.

34. Fitness Meal Planner. Retrieved from: http://www.fitnessmealplanner.com/. Accessed May 25, 2022.

35. MakeMyPlate Inc. Make my plate. Retrieved from: http://www.makemyplate.co/. Accessed May 25, 2022.

36. Yang, L., Hsieh, C.-K., Yang, H., Dell, N., Belongie, S., Cole, C. et al. (2018). Yum-Me: A personalized nutrient-based meal recommender system. ACM Transactions on Information Systems, 36(1), Article 7. https://doi.org/10.1145/3072614

37. Ивашкин, Ю. А., Никитина, М. А. (2018). Концепция биологической совместимости в оптимизации рациона питания человека. Наукоемкие технологии, 19(3), 33–44.

38. Nikitina, M. (2020, 26–29 May). Structural-parametric modeling in human healthy nutrition system. Proceedings of the 6th International Conference Information Technology and Nanotechnology. Session Data Science, Samara, Russia. 219–224.

39. Ивашкин, Ю. А. (2004). Структурно-параметрическое моделирование и идентификация аномальных ситуаций в сложных технологических системах. Проблемы управления, 3, 39–45.

40. Лисицын А. Б., Иванова В. Н. (2018). Современные технологии функциональных пищевых продуктов. Москва: ДеЛи плюс, 2018.

41. Диета и метаболизм (2011). UA, San Diego: Genex, 50 p. Электронный ресурс https://www.lifemedical.ru/netcat_files/File/5678%20FIT%20russian.pdf. Дата доступа 2.01.2023.

42. Nikitina, M. A. (2022). Digital Technology in the Development of Healthy Diet Decision Support System. Chapter in a book: Society 5.0: HumanCentered Society Challenges and Solutions. Heidelberg: Springer, 2022. https://doi.org/10.1007/978–3–030–95112–2_6

43. Никитина, М. А. (2022). Персонализация в структурной оптимизации рациона индивидуального питания человека. Математические методы в технологиях и технике, 1, 85–88. https://doi.org/10.52348/2712–8873_MMTT_2022_1_85