Bireye Özgü Optimum Beslenme Çizelgesinin Yapay Atom Algoritması Kullanılarak Hazırlanması

Abstract

Amaç: Beslenme, insanın sağlıklı bir yaşam sürdürebilmesinde önemli bir konudur. Bu nedenle, çalışmada, bireyin fiziksel, fizyolojik ve sosyolojik özellikleri göz önünde bulundurularak, günlük optimum beslenme çizelgesinin meta-sezgisel bir algoritma olan Yapay Atom Algoritması kullanılarak oluşturulması hedeflenmiştir.Gereç ve Yöntem: Çalışmada, kullanıcıdan cinsiyet, yaş, boy, kilo, hamilelik ve emzirme durumu ve dönemi, egzersiz durumu gibi bilgileri istenilerek bunlara göre kişinin günlük enerji gereksinimi belirlenmiştir. Başlangıçta rastgele oluşturulan günlük beslenme çizelgesi, bireyin günlük enerji gereksinimi ve besinlerin kalori değerleri göz önünde bulundurularak Yapay Atom Algoritmasıyla optimize edilmiştir.Bulgular: Kullanıcı bilgilerine uygun olarak günlük alınması gereken kalori miktarına en yakın değeri veren besin gruplarıyla bir beslenme çizelgesi elde edilmiştir. Rastgele seçilen 20 birey için Yapay Atom Algoritması ile elde edilen optimum beslenme çizelgelerinin ortalama standart hatası SEM (Standart Error of Mean) = 0.0314 olarak hesaplanmıştır.Sonuç: Böylece bireyin fiziksel, fizyolojik ve sosyolojik özellikleri göz önünde bulundurularak kişiye özgü beslenme planının meta-sezgisel bir algoritma olan Yapay Atom Algoritması yardımı ile rahatlıkla oluşturulabildiği görülmüştür.

Recommending healthy meal plans by optimising nature-inspired many-objective diet problem

“…This work differs from most of similar previous works [22][23][24] with modelling, diversity of the daily menu and dataset. The diversity of the menu is one of the biggest problems with previous works.…”

“…Instead of general food datasets, a real world dataset with complete dishes is used which make our approach more realistic and applicable compared with previous works. 22,23 Despite being multi-objective, Amin’s study 19 is far different from our approach in terms of objectives and modelling. They tried to minimise harmful ingredients while our approach is a many objective optimisation approach with nutrient satisfaction.…”

“…Porras et al 21 tried to solve the single objective version of the diet problem by Particle Swarm Optimisation. A bi-objective version of the diet problem is studied in two works 22,23 where an additional objective used to maximise the food preference besides minimising the costs. Balcı and Uyar 24 studied a bi-objective diet problem using fuzzy inference system to map many-objective diet problem into bi-objective version.…”