网站导航网学 原创论文 原创专题 网站设计 最新系统 原创论文 论文降重 发表论文 论文发表 UI设计定制 论文答辩PPT格式排版 期刊发表 论文专题
返回网学首页
网学原创论文
最新论文 推荐专题 热门论文 论文专题
当前位置: 网学 > 交易代码 > 课程设计 > 正文

运动员营养配餐系统

论文降重修改服务、格式排版等 获取论文 论文降重及排版 论文发表 相关服务
Asp.Net运动员营养配餐系统
不可否认,人的运动能力具有先天赋予性,但越来越多的科学实践告诉我们,良好的营养必将促进运动员的体格发育,体力增强,提高训练效果和竞赛实力,有利于出成绩、创纪录,有利于赛后疲劳的消除、体力的恢复以及某些运动性疾病的防治,也有利于平稳顺利转入下一阶段的训练和比赛。
本系统就是为了运动员的合理配餐而设计的。在设计的过程中利用多目标遗传算法,并结合Asp.Net技术,合理编写相应的程序,最终基本上达到了系统需求分析时的要求。之所以运用多目标遗传算法是因为如今它蓬勃发展,应用领域广泛,并且在整个算法的过程中它是对新的种群重复进行选择,交叉和变异,得到最优解,具有准确性、及时性。
运动员营养配餐的问题可以通过配餐系统进行解决,用户可以登陆本系统进行配餐前相关信息的查询,以求合理营养配餐。 
关键词:运动员  营养配餐  多目标遗传算法
Title           Athletes’ decision support system in nutrition Abstract
The sport capacities of human are inherent. But most scientific practice tells us, the good nutrition will promote athletes' physical development, and it can increase training effect and the ability of competition. It is advantage of making the scores and creating the new record. Good and enough nutrition can help athletes’ elimination of fatigue and physical rehabilitation and some sport diseases. It is also advantage of making the next stage training and the competition steadily.
The system aimes at catering athletes and the reasonable design. In the process of designing multi-objective genetic algorithm, combined with Asp.Net technology, the preparation of the corresponding reasonable procedures basically reached the final system requirements analysis demand. The reason that adopts the multi-objective Genetic Algorithm is flourishing development, widespread applications fields. The whole algorithm in the process it is to repeat selection for the new group, crossover and variation, to be the optimal solution. It has the accuracy and timeliness.
Athletes nutrition catering to the problem is solving by catering system. Users can log on the system before the information related to catering inquiries for reasonable nutrition prescription. 
Keywords  athlete  Nutrition prescription  Multi-objective Genetic Algorithms 95
 

Asp.Net运动员营养配餐系统目  次
1  引言 11.1  ASP.Net平台的搭建 21.2  选题的目的及意义 22  运动员营养研究现状 32.1  我国运动员营养学发展现状 32.2  运动员膳食营养 32.3  运动员营养饮食中存在的问题以及解决方法 53  多目标遗传算法 63.1  遗传算法的发展及研究现状 63.2  多目标遗传算法概述 73.3  多目标遗传算法结构优化 83.4  多目标遗传算法种类 94  系统需求分析 124.1  系统的功能要求 124.2  系统的性能要求 124.3  系统的运行的要求 135  系统详细设计 145.1  设计思想 145.2  系统总体结构和模块设计 155.3  数据库数据逻辑结构设计 185.4  物理数据结构设计 205.5  多目标遗传选择算法设计 216  系统的开发与实现 236.1  主界面的设计 236.2  智能营养配餐的界面设计 266.3  运动员营养配餐系统模块类及其过程描述 29结  论 33致  谢 34参 考 文 献 35
 

Asp.Net运动员营养配餐系统
1  引言
运动员营养配餐在国外已十分普遍,但在国内却尚未引起人们的重视。众所周知,我国的经济发展的很快,人民越来越注意吃的“质量”问题。从以前我国居民的饮食结构来看:我国城乡居民人均谷类和薯类的消费量占很大比例,人们的食物大都以粮食类为主。可是近年来,肉,蛋,奶和水产品的消费出现了明显的增加,这表明我国人民的生活水平已经上升了一个台阶,人们的饮食正在由温饱型向营养型转变。
运动员营养配餐系统,就是按不同运动员身体的需要,根据食品中各种营养物质的含量,设计一天、一周或一个月的食谱,使人体摄入的蛋白质、脂肪、碳水化合物、维生素和矿物质等几大营养素比例合理,即达到均衡膳食。简单讲,就是要求膳食结构多种多样,谷、肉、果、菜无所不备。而开发营养配餐系统的目标与此相同,但是它采用先进的算法,利用计算机代替反复复杂的手工配餐,快速,准确地为人们提供更为合理和理想的食谱和营养配方。
不可否认,人的运动能力具有先天赋予性,但越来越多的科学实践告诉我们,良好的营养必将促进运动员的体格发育,体力增强,提高训练效果和竞赛实力, 有利于出成绩、创纪录,有利于赛后疲劳的消除、体力的恢复以及某些运动性疾病的防治,也有利于平稳顺利转入下一阶段的训练和比赛。所以说合理进行运动员的营养配餐是非常重要的。
本系统在设计的过程中主要运用了遗传算法。所谓遗传算法(Genetic Algorithm,简称GA)是通过模拟生物进化过程来完成优化搜索的,该算法是非确定型算法,适合目标函数具有多极值和随机分布的情况,它的计算效率,性能也比较高。此系统的核心模块主要采用的是遗传算法中的多目标遗传算法,并且多目标遗传算法也是改进型的,就是在基本的遗传算法上增加求非支配的解,分层,抑制快速收敛等操作。目的在于提高算法的性能。
运动员营养配餐系统在设计的过程中恰当的利用了多目标遗传算法,最终系统所实现的功能达基本到了系统分析时的要求。
 
1.1  ASP.Net平台的搭建
对ASP比较熟悉的读者都知道,ASP页面实际上是由一个名为asp.dll的ISAPI动态连接库解析执行的,实际上,ASP.Net页面也需要有一个ISAPI动态接库来解释、处理,这个动态连接库的当前名称为xspisapi.dll,那么是不是只需要这样一个动态连接库就可以搭建一个ASP.Net的实验平台了呢?当然是不行的,这个动态连接库还需要自己的软件运行环境,这就是NGWS Runtime。
NGWS Runtime和SDK可以从微软公司的Web站点免费下载。在下载这个文件之前,首先需要检查一下自己的计算机是否能够运行NGWS。最后,有一点是Microsoft没有说明的,为了提供Web服务,需要有Internet Information Server,如果读者使用的是Professional版本的Windows XP ,就需要从Server版本的Windows XP光盘中添加组建至系统中,而Advanced Server自带了Internet Information Server无需再安装。完成以上的要求就可以实施具体的安装软件,安装很简单只需要运行setup.exe就可以了。后我们的ASP.Net的平台就算搭建完成了。接下来就可以具体进行操作了。
1.2  选题的目的及意义
科学合理的饮食营养是关系到人们身体健康和社会发展的重大问题。现如今,我国的食物生产得到了较快的发展,人们的膳食结构也有了很好的改善。但在一些贫困地区,某些营养缺乏病还不少见;而在一些较富裕地区,某些营养过剩的慢性病正日益增长。如何引导人们的合理饮食,促进健康是社会向我们提出的一个必须解决和紧迫的任务。
在过去,中国被公认为:“东亚病夫”,中国人民走到哪里都直不起腰板,为什么呢?一是:中国的落后,不吸收外来的优秀文化,闭关锁国。二是:中国运动员在奥林匹克运动会上没有能够摘取一枚金牌。中国人如今谁还被叫做“东亚病夫呢”!还有谁敢瞧不起我们伟大的祖国呢!这些跟中国的强大是分不开的,但中国的体育健儿在这方面也发挥着不可替代的作用,就是为祖国捧回来了许多金牌、银牌、铜牌。所以体育健儿营养配餐是很重要的。虽然我国体育健儿配餐得到很大的提高,但是同国外的运动员的配餐相比还有很大的差距,在国外平均每十人就有一个营养师,在国内营养师还属新兴事物。所以我们要想保住奥林匹克运动会金银铜的排名,我们就要把运动健儿的营养配餐重视起来。
 
2  运动员营养研究现状
2.1  我国运动员营养学发展现状
根据调查,虽然现如今我国运动健儿营养健康状况比以前有了较大提高,但是同国外的运动员的配餐相比还有很大的差距,在国外平均每十人就有一个营养师,在国内营养师还属新兴事物。 所以我们要想保住奥林匹克运动会金银铜的排名就要把运动健儿的营养配餐重视起来。
近几年,我国运动营养学研究界提出了“运动营养生化评定及恢复系统”概念,并将这个系统大体分为三部分:营养生化监控;运动员合理膳食营养;营养学强力手段,全面系统地开展运动营养方面的研究。
2.2  运动员膳食营养
膳食营养是保证运动员营养素的需要和维持体能的最重要的物质基础。通常应根据不同项目训练和比赛的需要安排运动员的饮食,以使对食物的热能摄取量与消耗量相适应,使蛋白质、糖和脂肪等营养素有适宜的比例。一般项目运动员蛋白质的发热量占总热量的15%(12~18%),脂肪占30%(25~35%),糖类占 55%(45~60%)。食物要选用浓缩、发热量高、体积重量小、多样化的,肉、鱼、奶、蛋、蔬菜、水果、谷类、豆制品等要合理搭配。
运动员的热能代谢具有强度大和伴有氧债等特点。运动员的基础代谢同正常人无显著差别,一般可按男 1卡/每分,女0.8卡/每分计算。运动时的热能代谢,取决于运动的强度、密度和持续时间。调查资料表明,集训队运动员训练课的热能消耗量多在1000卡以上(540~2640卡),为 1日总消耗的20~64%,每小时的热能消耗量多在400卡左右(148~824卡)。不同项目运动员集训时, 1日总的热能需要量差异范围较大,多数在3500~4400卡,按体重计算为60卡/公斤左右(44~82卡/公斤)。
为了解决运动员膳食不合理的问题,运动营养学家积极开展了运动员营养素推荐供给量的制定工作。运动员膳食中各种营养素推荐供给量的发布形式通常应包含两方面内容,即推荐的运动员膳食营养素日供给量(RDA)和各种营养素安全摄入上限(UL)。 在发布了运动员营养素推荐供给量以后,可根据这一推荐供给量进一步
 

Asp.Net运动员营养配餐系统
制定运动员膳食各种食物的供给标准,并将它应用于管理部门制订伙食标准、运动员膳食的组织和食物采购、运动员食物供给量的评价以及运动员平衡膳食指南的参考标准。
运动员膳食的营养配餐和营养评价要进行复杂的计算,随着计算机软件的不断更新换代,各种功能更齐全、运算速度更快捷的膳食调查软件应运而生。目前尚存在的问题,是如何使食谱标准化,从而大大简化数据的输入工作,减低营养调查的工作量和复杂性,并为非专业人员定期监测运动员的膳食摄入日益成为一种常规管理制度创造条件。随着竞技体育科学化的进程,各营养素代谢与运动能力的关系的研究也日益活跃,对各种营养素的认识也在不断深入,一些营养素在机体代谢中的作用将会被重新解释,它们对运动能力的影响也会被重新认识。运动员的能量供给是影响运动能力的最直接因素。近年来有关能量代谢的研究技术多采用同位素双标记水法,其结果与膳食调查的能量摄入值有一定的差距。能源物质的供给方面,糖补充的种类、时间、形式及其对血糖水平、肌糖元再合成和胰岛素水平的影响以及糖补充与肌肉中的肌酸代谢、机体免疫机能的关系等研究成为广泛关注的课题。对脂肪的供能作用近年来有了一些新的认识。某些蛋白质和氨基酸,如乳清蛋白、谷氨酰胺、支链氨基酸、精氨酸、鸟氨酸补充消除疲劳、增强合成代谢和增进运动能力等方面的研究取得了可喜的突破性进展。参与能量代谢的维生素(B1、B2、PP)的供给量多年来都是与能量摄入成比例的。1999年美国公布的新版RDA将这一关系分离。虽然维生素供给量也随着能量摄入的增加而增加,但并不成固定的比例关系。运动使机体内的自由基产生增加,但目前还无法明确这些超量产生的自由基的最终归宿及其对运动能力的影响。目前这方面工作的开展存在着一些技术限制,尚有待于更灵敏与特异的自由基、脂质过氧化作用和细胞损伤检测方法的进步。
2.2.1  运动员强力营养素补充
有些营养素是其在机体内代谢的中间体,它们不仅直接参与机体代谢,同时还具有调节机体新陈代谢和生理机能的作用,并有助于消除疲劳和改善运动能力。根据强力营养素的作用目标,我们通常将它们分成3类:增加合成代谢和肌力的强力营养素;促进能量代谢的强力营养素;抗过氧化物的强力营养素。
这一类营养素的作用机理是,通过营养素补充,使机体自身分泌的睾酮、生长激素、胰岛素和相关激素的水平提高,从而获得最佳的激素环境,或营养素本身直接作为肌肉合成的原料,促进肌肉加快合成代谢,增加肌力。它们包括:乳清蛋白或鸡蛋白蛋白的水解产物、肌酸、某些游离氨基酸及其代谢物如谷氨酰胺、精氨酸等,某些微量元素如铬、锌、硒、硼等,某些维生素如维生素C、E,泛酸等。
在竞技体育运动中,促进能量代谢效率和刺激能量生成的营养补剂一直受到青睐和关注。它们包括1,6-二磷酸果糖(FDP)、肌酸、L一肉碱、丙酮酸盐等。
除了上述的强力营养外,还有一类称为抗过氧化物的营养品,例如维生素E、C,辅酶Ql0和一些多糖类及皂甙类制剂等,在运动人群中被广泛使用。
2.2.2  运动员特殊营养保健品的研究与应用
超负荷的运动量,会造成运动员机体内环境的失衡,从而有可能带来一些与代谢失衡伴随发生的医学问题。这些医学问题可能涉及以下几个方面:(1)中枢神经系统 的疲劳;(2)神经内分泌功能的抑制;(3)免疫机能的下降;(4)造血系统功能的抑制(5)机体过氧化能力的下降等。运动员在训练中出现以上的医学问题 是一个逐步加重的过程,最初并无明显的临床表现,但一旦出现临床病象,就难以恢复到正常的训练状态。鉴此,运动员训练期中定期的生化监控就显得非常重要了,而且在目前可采用的各种检测技术与指标中,生化指标最能灵敏地反映运动员的机能状态,根据生化指标,可以初步判定运动员机体的哪一个系统出现了问题。从而对症下药,开出使有针对性的运动营养品和保健品处方,促进运动员的机体尽快回到正常状态,从而保证训练计划的顺利实施和训练效果的提高。 随着竞技体育竞争日趋激烈和全民健身运动普遍开展,运动营养生化工作将受到社会广泛的重视。随着现代科学技术的高速发展,运动营养生化的研究和应用也将进入一个快速发展的新时期。
2.3  运动员营养饮食中存在的问题以及解决方法
 目前我国运动员饮食存在着肉类过多、动物脂肪过多及运动员吃得过多的“三多”现象,同时存在着蔬菜少、水果少、营养成分少的“三少”现象。另外由于烹调时间过长,食物中维生素破坏严重,虽然运动员吃得很多,但真正能利用的营养物质却很少,因而在训练中显得体力不足。造成上述情况的主要原因是一些有关人员缺乏营养知识,他们错误地认为伙食好坏的标准是以肉类多少来衡量,并不考虑和研究运动员的身体需求,更不考虑各种不同项目运动员的营养需要。因此,今后运动员的饮食中肉类应适当减少,尽量用植物油炒菜,在饮食中适当增加蔬菜与水果,烹调时间也不宜过长。
 
3  多目标遗传算法
3.1  遗传算法的发展及研究现状
近代科学技术发展的显著特点之一是生命科学与工程科学的相互交叉,相互渗透和相互促进,而遗传算法(Genetic Algorithm)与智能化计算的蓬勃发展体现了学科发展的这一特点和趋势。近年来这些新的计算智能理论和方法正在迅速发展。并且广泛地适应于研究与工程的各个领域,取得了显著效果。
遗传算法的内涵和哲理乃是启迪于自然界生物从低级简单到高级复杂乃至人类这样一个漫长绝妙的进化过程和借鉴于达尔文的物竞天演,优胜劣汰,适者生存的自然选择和自然遗传的机理。其本质是一种求解问题的高效并行搜索方法。能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程以求得最优解或较优解。
使用遗传算法求解科学研究和工程技术中各种组合搜索和优化计算问题的这一基本思想,是早在60年代初期由美国密西根(Michigan)大学的J. HOLLAND教授的名著《自然与人工系统的自适应》中予以系统的介绍,到了80年代中期,遗传算法研究蓬勃发展,吸引了大批的科学研究者和工程技术人员,从事该领域的研究和开发应用工作,由于遗传算法的整体搜索策略和优化搜索方法在计算时不依赖于梯度信息,所以它的应用范围非常广泛,尤其是适合于处理传统搜索方法难以解决的高度复杂的线性问题。如背包问题,旅行商等问题,在组合优化,优化数值,机器学习,智能控制,人工生命,模式识别等领域应用中,展现了它特有优越性和魅力。随着计算机速度的提高,进行遗传算法和进化计算时计算机速度的要求已不在是制约其发展的要素。遗传算法在很多方面取得了广泛应用。
遗传算法的两大主要特点是群体搜索策略和群体中个体之间的信息交换,它实际上是模拟由个体组成群体的整体学习过程,其中每个个体都是给定问题搜索空间的一个解点。遗传算法从任一初始化群体出发,通过随机选择(Selection:使群体中优秀个体有更多机会传给下一代),交叉(Crossover:体现了自然界中群体内个体间信息交换)和变异(Mutation)在群体中一代一代地进入到搜索空间中越来越好的区域,直至抵达优解点。遗传算法与其它搜索方法相比,其主要优越性表现在:
首先,遗传算法在搜索过程中不易限入局部最优,即使所定义适度函数非连续,不规则和伴有噪声的情况下也可能以极大概率找到全局最优解;其次由于遗传算法固有的并行性,使得它非常适合于大规模并行分布处理。主要内在并行方式表现在;搜索一个种群数目的点而不是单点,其内在并行性表现在多台计算机对各自独立的种群的深化计算,甚至不用通信,等到运行结束才通信,选取最佳个体。还包含有内含并行性,于由于遗传算法采用种群搜索,因而可同时搜索解空间多个区域。并相互交流信息。遗传算法优越性还表现在其智能性,即自组织,自适应和自学习性,此外遗传算法易于和别的技术结合,形成更优的问题求解方案。
目前遗传算法的研究,尽管还存在一些有争议的问题,某些截然不同的甚至鲜明对照的学术观点和设计原则,一时尚难统一,而且整个遗传算法的理论基础还比较薄弱,但是很多实例及应用充分表明,模拟自然进化的搜索过程往往可以产生非常简单,通用和鲁棒性能很强的计算方法。
3.2  多目标遗传算法概述
多目标遗传算法是在基本的遗传算法的基础上增加求非支配解,分层,抑制快速收敛等操作。目的是在于提高算法的性能。如下是带有m个目标函数的多目标优化问题(MOOP)的数学表达式如下:

由于在MOOP中,多个设计变量有时是相互矛盾的。所以,这里的最小化(Minimize)问题,从实际意义上来说,其实是指当综合考虑所有的目标函数时的优化解(Pareto 解)。尽管也许全部的目标函数都不能优化到它们各自作为单目标函数时的最优解,但是,在多目标情况下,对其中任意一个单个的目标函数的优化都不能以降低其它函数的优化解为代价。这就是多目标优化不同于单目标函数优化的地方,也正是它的难点。这里,为了区别进化过程中的Pareto 解集和MOOP最终得到的Pareto解集,我们把进化过程中的Pareto 解集称为近优解集(non-inferior),而在其它文献中这两个名词通常表示同一概念。
适用于多目标优化问题的遗传算法(MOGAs)是在经典遗传算法(GAs)的基础上修改得到的。多目标优化问题的遗传算法在适应度分配策略上不同于经典遗传算
 
Asp.Net运动员营养配餐系统
法。本章探讨了现有的MOGAs的主要缺点,并在此基础上提出了一些改进策略。
在使用MOGA进行多目标问题优化时,为了得到最终的解集,MOGA必须对尽可能多的近优解集进行分析,而这些解是均匀的分布在解空间中的,这就会使MOGA的效率降低。但是,只有求得大量的解才可能得到一个连续的、平滑的Pareto曲面,从而使MOGA可以尽快地收敛于优化解。当然,收敛速度同时也依赖于终止准则的选取。在单目标优化问题中,终止准则可以定为:“在N代进化中适应度值没有改进”或直接定为“进化N代”,而在MOGA中却不能如此简单的定义,因此,需要有一种策略来检测MOGA是否已经得到了Pareto解集。
3.3  多目标遗传算法结构优化
多目标遗传算法结构优化设计是设计概念与方法的一种革命,它提供了一种指导思想与标准,形成了概念框架(问题识别、定义、模型化,以及求解与评价)和运作手段。
多目标遗传算法结构优化设计在过去的30年中,在理论、算法和应用发面都取得了长足的发展。仅从专门期刊、有关学术会议和公开出版的著作等方面的很不完全的统计(至1990年),已发表的综述达50余篇,专著150本,有关优化论文2500篇。优化设计的应用领域包括航空航天、土木、机械、桥梁、水利工程、能源工业等方面,主要处理具有复杂结构系统的设计。优化的应用研究还扩大到国土开发与资源利用、生态保护、生产调度、海洋工程等领域。
尽管有这些成就,但目前优化应用的广度和成效仍然远落后于优化理论的发展。应用与理论的差距的原因是多方面的,诸如优化本身的性质,理论研究中存在的不足,实践应用中的问题等。例如,由于理论上的局限,完成优化设计所需的许多优化方法仅当模型性态良好时,才能获得稳定的收敛解,因此大量文章都限于讨论连续型设计变量、单一目标和确定性问题的优化,而客观世界中的现实问题常包含有离散变量,多个评价目标,模型和有关参数是模糊、随机的。因此,对离散变量、多目标、有模糊随机参数的优化设计问题进行研究是必要和有意义的。本文的工作是探讨多目标结构优化设计及其有效解决途径。
在多目标遗传算法结构优化设计问题中,人们关注的不仅仅是工程费用(包括材料成本、施工费用、维护费用以及结构失效造成的损失期望等),还希望结构的工作性态(包括静力、动态性态功能、耗能能力或延性等)良好,同时还要求结构满足设计规范或规程的相关规定,使其安全性、适用性、耐久性、突发事件下的稳定性有保证等等。因此在结构优化设计中,遇到的往往是多目标优化问题。经常用的求解多目标优化问题的方法主要有:
(1)约束法。在多个分目标中选定一个作为主要目标,而对其它分目标则给出希望值,并按此作为约束条件,将问题转化为单目标优化问题。在此基础上发展的类似方法,还有分层序列法等。
(2)评价函数法。①用线性加权、平方和加权等措施将各个目标综合成一个单目标函数,问题就转化为求解单目标优化问题。②理想点法,即用解到理想点的距离函数作为评价函数。③功效系数法,即用功效函数评价各目标函数解的优劣,也就是设最优解的功效系数为1,最劣解的功效系数的值为O,取各功效系数的几何平均值作为评价函数。
(3)目标规划法。设定各目标的目的值,把目标的实际值与目的值之间的偏差作为新的设计变量,构造一个目标规划的模型并进行求解。由于许多实际的工程领域问题是多目标优化问题,所以多目标优化是一个非常重要的研究领域。多目标中的同时优化,可能是相互竞争的,目标函数偏离于单一优化函数的原因在于它很少允许单个好的解决方法,而往往允许一组可选的解决方案。这样的一组解决方案是非受控的解决方案集合称为Pa以。集,其中的方案是最佳的,也就是在需要考虑所有目标时,搜索空间中没有其他方案能优于它们。
多目标遗传算法优化技术的主要目标是找到Paret。集中的一个或多个可被接受的解决方法。由于个体可以并行地寻找多种解决方案,遗传算法已被认为可能是最适合于多目标优化的。包括间断性、多峰形性以及打乱可利用空间等处理复杂问题的能力增强了遗传算法在多目标搜索和优化问题方面潜在的有效性。遗传作用于整个种群,同时又强调个体的整合,因而遗传算法是解决多目标优化问题的有效方法。
3.4  多目标遗传算法种类
可分为以下几种演化计算:简单聚集法、基于种群的非Pareto法、基于Pareto的方法和Niche感应技术。
3.4.1 简单聚集法
简单聚焦运用权重聚集方法来把多目标问题转化为单目标问题,之后用单一函数遗传算法来获得解决方案。
聚集方法把各个目标组合成用于适应度计算的高阶函数,由它们产生唯一解法。
优化目标组合胜于产生单一折衷解法,它不需要决策者的深入交互。而问题在于,权重系数集往往要依赖于决策者的选择。
如果优化解法不能被接受,其原因或是由于所用函数排斥未知问题的方面要多于优化的方面,或是由于组合函数的系数不合适,这时都需要新一轮的优化,直到找到合适解法为止。
3.4.2 基于种群的非Pareto方法
向量进化遗传算法(VEGA)是一种基于种群的非Paretp方法。VEGA为每一单独目标执行选择操作。交配池被划分成相同大小的n个部分,第I个部分中的个体是依照目标I从当前种群中随初选出的;之后交配池被改组并且交配和变异会如常见的一样进行。该方法常与适应度成比例选择经合使用。每一目标都与每一分支种群的大小成正比,并且在每一代中与整个种群的平均适应度成反比,然而基于种群的非Pareto方法能够并行地演化解法,因此,种群是为了非支配解法而受到监视的。但与基于Parento方法相反,它们不直接利用Parento域的内容。
3.4.3 基于Parento的方法
基于Pareto的方法直接利用Parento适宜性的实际定义。它依照于解法的非受控性原则来起作用。
使用基于Pareto的适应度指派方法的思想是在多目标优化问题中利用非受控排列选择来把一个种群移向Parento边线。其基本思想是在种群中选择一个个体集。这个集合相对于剩余的种群是Paoto非受控的。这些个体被指派给最高的等级并从进一步的考虑范围中排除出去。另一个非受控Pareto集是由剩余种群决定的,并被指派给次高等级。这一过程一直持续到种群被合适分级时为止。
一旦决定了适应度,基于Pareto的方法就可用单目标遗传算法(SOGA)过程来获得解法。基于Paoto的MOGA可进一步划分为并行选择法、等级选择法和共享函数法。所有的方法都有其优势和劣势,只有对这些方法进行组合才有利于发展它们的优点。
Paoto等级消除了交换可能的非凸性。Paoto等级的另一优点是,由于它在任一目标维中都获得好的性能,所以可以通过重组多目标维中的解法来产生有效解法。Parento选择也排除了在遗传算法中常见的把毫无联系的目标组合成单一适应度的必要性。
3.4.4  Niche感应技术
基于Parento的等级可以正确地为所有非受控个体指派同一适应度,但它不能保证Pareto集是始终如一的样本。当存在多重相等优化时,有限种群趋向收敛于其中的一个。其原因在于选择过程中的随机错误,这一错误被称作遗传偏差,在自然界和人类的进化过程中都可以看到,同样在基于Paoto的优化过程中也会出现。由于在多目标优化领域中保留多样性很重要,所以在很多多目标遗传算法中都是用Niche技术,其中用的最多的就是适应度共享。适应度共享所
基于的思想是特殊Niche中的个体不得不共享可用资源,这与自然界类似。因而,某一个体的适应度会随着它领界个体的增多而下降。这里所指的领界是以距离尺度来定义的,通过被称作Niche半径的 来指定。
Niche技术使得遗传算法不仅仅收敛于边沿上的单一点,并且共享Niching机制还允许遗传算法把个体都保持在非受控的边线上。适应度共享的附加作用就是,阻止遗传偏差并促进整个Parento集合的样本性。
 

Asp.Net运动员营养配餐系统
4  系统需求分析
4.1  系统的功能要求
运动员营养配餐系统的总目标是:在计算机网络,数据库和先进的开发平台上,利用现有的软件,配置一定的硬件,开发一个具有开放体系结构的、易扩充的、易维护的、具有良好人机交互界面的营养配系统,为不同的运动员群体提供快捷,准确,科学,合理的营养决策。
由于本系统的用户是广泛的运动员群体,经过分析现有情况及问题,最终决定采用Browser/Server结构,即客户端采用早已被大众熟悉的瘦身型的浏览器,而把大部分的工作交有服务器处理,这样利于系统的安装,维护,升级和推广。
4.1.1 服务器端的功能要求:
在服务器端系统的功能实现上,可以分为以下几个部分:
(1)用户登陆或注册:
接受用户登陆信息,判断是否已有该用户的注册信息,若有则登陆成功;否则,提醒用户应首先注册。接受用户的注册信息,并存入到服务器的数据库中。
(2)接受目标配餐信息设置:
把得到的目标配餐信息存入到服务器的数据库中。一个用户名下,可以有多个运动员营养配餐目标,可以为个人,也可以为群体。
(3)建立用户的适用菜谱数据表:
用户的适用菜谱数据表分早,中,晚三餐设置,设置完成保存至数据库。
(4)选择配餐目标进行配餐:
根据所设置的配餐目标信息,利用多目标遗传选择算法进行营养配餐。并将配餐方案保存至数据库中。
(5)解析配餐方案:
生成一天或一周配餐方案,并作初步的筛选,返回供用户查看,并可以做手工的修改。选择满意的解决方案进行保存,并打印报表。
4.2  系统的性能要求
为了保证系统能够安全、稳定、可靠、高效的运行,运动员营养配餐系统应该满足以下的性能需求:
(1).系统处理的准确性和及时性
系统处理的准确性和及时性是系统的必要性能。在系统设计和开发过程中,要充分考虑系统当前和将来可能承受的工作量,使系统的处理能力和响应时间能够满足信息处理的需求。
运动员营养配餐系统的配餐功能是整个系统的核心。他能否提供准确、合理、科学的配餐解决方案,将决定着整个系统的成败。另外,要能够及时地响应用户的操作。
(2).系统的开放性和系统的可扩充性
运动员营养配餐系统在开发过程中,应该充分考虑以后的可扩充性。而要实现这一点,应通过系统的开放性来完成,既系统应是一个开放系统,只要符合一定的规范,可以简单的加入和减少系统的模块,配置系统的硬件。通过软件的修补、替换完成系统的升级和更新换代。
(3).系统的易用性和易维护性
运动员营养配餐系统是基于b/s架构的,他的客户端是人们熟悉的浏览器,易用性是不言而喻的。整个系统都部署在服务器上,对其进行维护也是很方便的。
(4).系统的先进性
通过运动员营养配餐系统的开放性和可扩充性,不断改善,完善系统的功能。尤其是系统的核心模块,要不断采用先进科学的算法,对其进行升级。
4.3  系统的运行的要求
运动员营养配餐系统硬件和软件的配置如下:
1.服务器端的运行要求:
系统软件: Window Server2003及其以上版本,本系统运用的是Windows XP
数据库管理系统:SQL Server2000及其以上版本  本系统运用的是 SQL Server200
硬件要求:20G RAM  Pentium 2.4以上  80G HD
2.客户端运行要求:
系统软件:window操作系统,IE6.0版本及其以上浏览器
 硬件要求:一般。必须连接网络5  系统详细设计
5.1  设计思想
运动员配餐系统的特点就是利用Browser/Server(B/S)结构来进行设计的。
Client/Server(C/S)模式与Browser/Server模式是现在比较流行的两种数据库应用模式。Browser/Server的多层结构的应用正是在对C/S结构的总结基础上产生的,并且已经扩展到了B/S应用开发领域。即将应用划分为3层(可以有更多层,但三层最常见):用户界面层、商业逻辑层、数据库层。用户界面层负责处理用户的输入和向用户的输出,但并不负责解释其含义(处于效率的考虑,它可能在想上传输用户输入前进行合法性验证),这一层通常用前端工具( C#,ASP等开发)。商业逻辑层是上下两层的纽带,它建立实际的数据库连接,根据用户的请求生成SQL语句检索或更新数据库,并把结果返回给客户端,这一层通常以动态链接库的形式存在并注册到服务器的注册表(Registry)中它与客户端通讯的接口符合某一特定的组件标准,
 

Asp.Net运动员营养配餐系统图5.1 B/S结构的在线运动员配餐系统应用原理示意图
可以用任何支持这种标准的工具开发。数据库层负责实际的数据存储和检索。单独应用哪一种模式都将受其自身弱点的限制。Client/Server模式主要是在以局域网为基础的环境下展开应用的,它受到地域的限制。而Brower/Server模式通过Internet进行通信,可以不受地域的限制,但是它不能够进行联机事物处理,并且在处理大量数据的情况下,速度较慢。从目前的开发技术来看,Browser端作为信息收集源,特别是大量的数据录入工作还不能完全取代Client端的用户界面。在这方面,Client端的各种开发工具的功能更加强大也更加灵活。对于本系统,其功能目标是实现运动员的在线配餐,上图是本系统的网络应用原理示意图。若图片无法显示请联系QQ3710167,在线运动员配餐系统免费,转发请注明源于www.lwfree.cn
5.2  系统总体结构和模块设计
下面以结构图来描述运动员营养配餐系统的软件总体结构
图5.2运动员配餐系统总体结构图
运动员营养配餐系统结构图中的框内的注明是模块的名字;方框之间的直线表示模块的调用关系。
运动员营养配餐系统共分15个功能模块,主要的功能模块包括营养配餐决策支持,手工营养配餐,配餐方案查询;营养配餐决策支持模块主要提供营养配餐,为用户提供膳食解决方案;手工营养配餐也可以为用户提供膳食解决方案,只是需手工操作配置;其他功能模块的功能主要集中在查寻上,提供膳食营养信息及其他营养知识,帮助用户全面深入的了解营养膳食知识,合理进行配餐
5.2.1 运动员营养配餐系统流程图:图5.3   运动员营养配餐系统流程图
5.2.2  系统的数据需求
运动员营养配餐系统的数据需求包括如下几点:
(1) 数据录入和处理的准确性和实时性
数据的输入是否准确是数据处理的前提,错误的输入会导致系统输出数据的不正确和不可用,从而使系统的工作失去意义。数据的输入来源是手工输入。手工输入要通过系统界面上的安排系统具有容错性,并且对用户的错误操作,有友好的提示。若图片无法显示请联系QQ3710167,在线运动员配餐系统免费,转发请注明源于www.lwfree.cn
(2)系统处理能力要求
在系统中,运动员营养配餐是一个很耗费内存的过程,因此系统要有一定的处理能力,以保证迅速的处理数据。
5.2.3  系统的数据字典
  系统中的数据元素:






名字:用户信息
别名:
描述:用户的个人信息,用于对用户的确认
定义:用户信息=用户名+用户密码+密码提示问题+密码答案
位置:传输到服务器
 





名字:运动员配餐菜谱设置
别名:
描述:建立方便用户的适用菜谱数据表
定义:菜谱设置=早餐+午餐+晚餐
位置:传输到服务器
 





名字:运动员配餐目标信息
别名:
描述:设置运动员营养配餐所必需的条件
定义:配餐目标信息=目标名称+目标群体+年龄+身高+体重+劳动强度+人数+营养配制目标+配餐时间周期
位置:传输到服务器
  
 
 
 
 
 
 
 
 
 
 
 
 






名字:运动员配餐解决方案
别名:
描述:运动员营养配餐系统为用户提供的膳食食谱
定义:配餐解决方案=一天或一周的食谱
位置:传输到浏览器(客户端)
 
  
 
 
 
 
5.3  数据库数据逻辑结构设计
DBMS 是采用 SQL SERVER 2000进行数据管理的,系统主要需要维护以下数据表:
表5.1:用户信息表





用户名

密码

重新输入密码

真实姓名

性别

密码
提示

密码提示答案

Email地址


 

 

 

 

 

 

 

 
用户信息表保存了所用注册用户的基本信息,它的主键为用户账号。用户第一次登陆系统时,须填写注册信息,以后凭用户账号和密码登陆。
     表5.2:运动员配餐目标信息表





用户
账号

配餐目标名称

性别

身高

体重

年龄

运动
项目

配餐
人数

营养配餐目标

营养配餐目标值

配餐周期


 

 

 

 

 

 

 

 

 

 

 
运动员配餐目标信息表保存了每个注册用户账号下的所有配餐目标的必须信息,它的主键为用户账号和配餐目标名称。用户第一次配餐时,必须设置该表的信息,以后配餐时,可按需要进行修改配餐目标信息或删除配餐目标。
表5.3:运动员适用菜谱设置表





用户账号

早餐适用菜谱编号

早餐菜谱类别编号

午餐适用菜谱编号

午餐菜谱类别编号

晚餐适用菜谱编号

晚餐菜谱类别编号


 

 

 

 

 

 

 
运动员适用菜谱设置表保存了每个注册用户账号的适用菜谱设置,它的主键为用户账号。用户第一次配餐时,必须设置该表的信息,以后配餐时,可按需要进行修改。用户适用菜谱设置表的意义说明:为避免出现以下情况:例如,配餐结果中有某种原料,但用户可用原料无这种原料,再如,早餐一般我们只局限于某些常见食物如豆浆,油条等而不希望早餐中出现肉类等。因此要解决类似问题需要建立一个适用数据库,使算法运行后能找到可行的配餐方案。
 
Asp.Net运动员营养配餐系统
表5.4:营养素信息表





元素名称

膳食标准

营养素含量单位

 


 

 

 

 
运动员营养素信息表保存了各个名称的营养素的含量,所标含量就是:个人每日身体所必须的含量。他的主键为:元素的名称。此表的主要作用就是:个人或者团体在配餐时,可以查阅此表,配置合适自己的餐食。
表5.5:个人信息输入表





个人年龄段

目标群(男或女)

劳动的强度

 


 

 

 

 
运动员个人信息输入表主要是形容个人的情况,例如年龄段,性别,每日的工作强度,根据自己的情况来配置适合自己的美餐。
表5.6:配餐目标解决方案临时存储表





标识

用户
账号

配餐目标名称

早餐菜谱编号

早餐菜谱摄入量

午餐菜谱编号

午餐菜谱摄入量

晚餐菜谱编号

晚餐菜谱摄入量


 

 

 

 

 

 

 

 

 
配餐目标解决方案临时存储表保存了一次配餐的所有方案。它的主键为标识。当用户退出系统时,会清除掉该用户的所用配餐结果。
表5.7:中国膳食营养标准表





标识

年龄

目标群体

劳动强度

能量

蛋白质

脂肪





















维生素A

维生素E


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 
中国膳食营养标准表存储运动员每个年龄段不同运动项目群体的一天的膳食标准数据,它们是营养配餐的重要依据。
表5.8:中国膳食食物营养素含量标准表





标识

食分类物

食物名称

地区

食部

能量

蛋白质

脂肪





















维生素A

维生素E


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 
中国膳食食物营养素含量标准表存储多种类别的食物所含的营养素量,它们是配餐的原料和重要数据。
5.4  物理数据结构设计
物理数据结构设计主要是设计数据在模块中的表示形式。数据在模块中都是以结构的方式表示。
(1)                  用户注册信息






1.用户名              String
2.密码             String
3.重新输入密码      String
4.真实姓名          String
5.密码提示问题     String
6.密码答案         String
7.性别              String
8.Email              String
  
 
 
 
 
 
 
 
用于接受用户的注册信息。
(2) 用户登陆信息






1. 用户名                 String
2. 密码                    String
3.验证码                  String   
   
   
用于用户的个人登陆时信息的验证。
(2)                  用户适用菜谱






1.早餐菜谱                String
2.早餐菜谱类别            String
3.午餐菜谱                String
4.午餐菜谱类别            String
5.晚餐菜谱                String
6.晚餐菜谱类别            String
          
 
         
 
 
 
用于接收用户设置和查询
 
 
 
(3) 用户适用菜谱






1.早餐菜谱                 String
2.早餐菜谱类别             String
3.午餐菜谱                 String
4.午餐菜谱类别             String
5.晚餐菜谱                 String
6.晚餐菜谱类别             String 
 
 
 
   
 
       用于接收用户设置和查询。
(4) 配餐解决方案






1.早餐菜谱                     String
2.早餐摄入量                   String
3.午餐菜谱                     String
4.午餐摄入量                   String
5.晚餐菜谱                     String
6.晚餐摄入量                   String
    
 
 
 
 
用于供配餐用户查询以及修改后保存至数据库。
5.5  多目标遗传选择算法设计
多目标遗传选择算法模块,也就是配餐算法中心,该模块是整个软件的核心部分。遗传算法(Genetic Algorithm,简称GA)是通过模拟生物进化过程来完成优化搜索的,该算法是非确定型算法,适合目标函数具有多极值和随机分布的情况,它的计算效率,性能也比较高。
该模块采用的多目标遗传选择算法是改进型的,在基本的遗传选择算法上增加求非支配的解,分层,抑制快速收敛等操作。目的在于提高算法的性能。
该算法与营养配餐相结合,其主要设计的结合点及产生的数据结构如下:
(1)染色体的设计






自由菜编号 未知菜编号  自由菜重量      未知菜重量     已选定菜重量
 
 
 
 主要分五部分,逻辑视图如下:
 
前四部分在全部选定菜谱的情况下,会不出现,只有它们的重量的部分;自由菜部分只有在选定的配餐菜的个数大于指定菜个数时出现;未知菜部分在选定类别,而不指定该类别下具体某个配菜时出现。具体采用unit数组实现编码。
  (2)种群个体设计
个体包括染色体,每个目标的适应度值及综合适应度三部分,具体设计如下:
 
Asp.Net运动员营养配餐系统
public class individual
   {
       public uint [] chrom;   //个体染色体编码
       public double f;        //个体综合适应度
       public double [] fe;     //单目标适应度值
       public  void DeepCopy(individual p) //深拷贝函数
       {   int i=0;
          for(i=0;i          for(i=0;i          f=p.f;
       }
};若图片无法显示请联系QQ3710167,Asp.Net运动员营养配餐系统免费,转发请注明源于www.lwfree.cn
(3)该模块算法的流程图如下:

图5.4多目标遗传选择算法设计流程图
此流程图是多目标遗传算在运动员营养配餐中计算流图,首先是用户提供必要的初始种群,后系统根据多目标遗传算法进行数据的分析筛选.后保存最优个体,然后对产生的最优个体进行选择看是否达到了最大代数,如果达到最大代数就返回最有个体,否则就返回到计算适应度进行重新测试,这样反复执行,直到达到最优代数返回最优个体为止.
 
6  系统的开发与实现
6.1  主界面的设计

图6.1运动员营养配餐系统主界面设计图
主界面共有五部分组成,有主要的四个webcontrol自定义控件和一个iframe框架。用webcontrol控件主要是使设计模块化,修改和升级更容易。除智能营养配餐模块和手工营养配餐模块需要用户填写个人信息登陆本系统后才能用之外,其它的功能模块用户不需要填写个人信息就可以进行相关查询,主要是为了方便用户对膳食营养信息的了解。Webcontrol各功能模块如下所示:(1)headrighttop.ascx 自定义web控件

图6.2  headrighttop.ascx自定义控件界面设计
该控件包含登陆验证模块及在线建议,帮助功能的实现。当点击每个功能按钮时,会跳出相应的界面,都为弹出窗体,为用户提供相应的功能服务。
 
(2)headrightbottom.ascx自定义web控件

图6.3 headrightbottom.ascx自定义控件界面设计
该自定义webcontrol控件包含有系统的9个功能模块的连接,当点击相应连接时,会自动导航到相应的功能模块界面,现用“搜索最佳营养食谱”为例作为介绍,其它的与此相似,可参看相应工程文件。界面及主要代码设计如下:
 

Asp.Net运动员营养配餐系统
图6.4 “搜索最佳营养食谱”界面设计
此模块功能实现的主要代码
private void Bind_DataGrid1()
{
    conn = new SqlConnection (strsql);
    cmd = new SqlCommand ("prSSZJYYSP_1",conn);
    cmd.CommandType = CommandType.StoredProcedure ;
SqlParameter pa = cmd.Parameters .Add ("@paType",SqlDbType.VarChar );
    pa.Value = DropDownList1.SelectedValue.ToString ();
try
{
    da = new SqlDataAdapter (cmd);  DataSet ds = new DataSet ();
    da.Fill (ds); DataGrid1.DataSource = ds;  DataGrid1.DataBind ();
}
    catch(Exception exp)
    {   string str = exp.ToString ();   }
      finally
        {   conn.Close ();    }
}
(3)tail.ascx自定义web控件
该自定义webcontrol控件主要是用来显示系统的访问量,每个用户登录时计数增一。及系统设计人员、联系方式。
6.2  智能营养配餐的界面设计

图6.6 智能营养配餐主界面设计
智能营养配餐模块主要是为用户提供智能化营养配餐的功能。智能营养配餐各功能界面的设计和部分主要代码的描述。
适用菜谱设置功能模块界面设计

图6.7  智能营养配餐适用菜谱设置界面设计
用菜谱设置分早,午,晚三餐设置,每一餐菜谱设置完成后,需要点击保存菜谱设置按钮,进行保存。通过“菜谱类别”选择,可以改变食物列表的内容。
配餐目标信息设置功能模块界面设计

图6.8    智能营养配餐目标信息设置界面设计
 
该界面主要设置配餐目标的必须信息,并传送至服务器保存至数据库。
配餐菜谱设置功能模块界面设计

图6.9  智能营养配餐配餐菜谱设置界面设计
 
配餐菜谱设置功能界面操作与适用菜谱设置基本相同,只是在此界面上有每一餐的配菜个数。
智能配餐功能模块界面设计

图6.10 智能营养配餐界面设计
 
该界面主要是进行同一个账户下,有多个配餐目标群体,可以在这进行选择。然后开始配餐。该功能模块会调用几个重要的类模块,如:build_table,entrance,save_data。
配餐查询功能模块界面设计

图6.11 智能营养配餐解决方案查询界面设计
该界面主要是对配餐解决方案进行解析并进行有效的显示,方案索引下拉列表框的选项改变,则配餐目标解决方案和对应的营养素摄入量会跟着改变。该界面主要调用了解析显示模块---return_table。
 
Asp.Net运动员营养配餐系统
6.3  运动员营养配餐系统模块类及其过程描述
6.3.1  entrance.cs文件中的entrance类中包含的过程如下:
(1) set_data过程    
功能:设置配餐目标信息。类型:public。参数列表:
配餐时间             string,
用户账号             string,
配餐目标名称     string,
返回信息         out string
(2) set_element过程
功能:设置配餐目标元素。类型:private。参数列表略。
(3) set_unknown_menu过程
功能:设置未知菜谱。类型:private。参数列表略。
(4) set_known_menu过程
功能:设置已知菜谱。类型:private。参数列表略。
(5) Compute过程
   功能:开始配餐运算。类型:public。返回值:Result[]
6.3.2 save_data.cs文件中的save_data类中包含的过程如下
(1) save_to_base过程   
功能:保存配餐结果至数据库。类型:public static。参数列表:
用户账户                    string,
配餐目标名称                string,
配餐解决方案之早餐方案      Result[],
配餐解决方案之午餐方案      Result[],
配餐解决方案之晚餐方案      Result[]
(2) insert_meal过程
功能:将配餐结果插入数据库。 类型:private static。参数列表:
用户账户                    string,
配餐目标名称                string,
配餐解决方案之早餐方案      Result[],
配餐解决方案之午餐方案      Result[],
配餐解决方案之晚餐方案      Result[]
(3) delete_meal过程
功能:删除配餐表中的用户老的配餐结果。类型:private static。
参数列表:
用户账户                    string,
配餐目标名称                string,
 
6.3.3多目标遗传选择算法模块主要过程描述
Class1.cs文件包含的重要的结构变量和过程如下:
(1) public class individual
     {
       public uint [] chrom;             
       public double f;
       public double [] fe;
};
说明:该类定义种群中的一个个体,chrom为染色体数组,f为个体评价,fe为每个目标的适应度。
(2)  public class Result
      {
       public int [] ID;
       public string [] sLeibie;
       public double [] Weights;
   }
说明:该类为配餐算法返回的配餐解决方案
   (3) public class KMenu
   {
       public string sLeibie;// 类别
       public string sName;// 菜名
       public KMenu()
    {
        sLeibie="";
        sName="";
    }
};
说明:算法接受并存贮已知菜的个体。
(4) public class UnKMenu//已知菜的类别,
{
    public string sLeibie;// 类别
    public int count; //该算法计算数据库中属于该类别的菜数
    public UnKMenu()
    {
        sLeibie="";
        sName="";
        count=0;
    }
}
说明:  算法接受并存贮未知菜的个体。
(5) InitGen过程
功能说明:装载配餐菜谱,进行个体染色体分配,初始化种群。 类型:private
(6) NewPoint过程
功能说明:对种群染色体进行解码,求适应度,求非支配解,对这一代种群的优秀个体进行保存,抑制快速收敛。类型:private
(7) LPDSelect过程
功能说明:采用轮盘赌的选择算法,选择父个体。类型:private
(8) CrossOver过程
功能说明:对两个父个体进行染色体交叉。类型:private
(9) Change过程
功能说明:对选中的个体进行变异。类型:private。
(10) DieDai过程
 
Asp.Net运动员营养配餐系统
功能说明:用新产生的种群替换掉老的种群。类型:private。
(11) LastResult过程
功能说明:返回最终配餐结果。类型:public。返回值:Result[]
结  论
使用ASP.NET作为开发环境,搜集了大量的相关资料,了解各种运动的营养需求,通过自己对软件功能的理解,查找软件工程、数据库方面的书籍,在一步步解决问题的情况下完成了运动员营养配餐系统。它的性能及各项指标也基本上满足需求分析中的要求,能够提供合理的配餐解决方案,但是还不够理想,仍需在用户需求上进一步调研,在此基础上改进和完善,更加进一步适应用户的要求。此外,运动员营养配餐系统的核心模块配餐算法也需要进一步升级,提高运算速度和性能。
多目标遗传算法是在基本的遗传算法的基础上增加求非支配解,分层,抑制快速收敛等操作。目的是在于提高算法的性能。多目标遗传算法结构优化设计是设计概念与方法的一种革命,它提供了一种指导思想与标准,形成了概念框架(问题识别、定义、模型化,以及求解与评价)和运作手段。它在过去的30年中,在理论、算法和应用发面都取得了长足的发展。并且它的应用领域更加广泛包括航空航天、自动控制、规划设计、组合优化、人工智能等方面,主要处理具有复杂结构系统的设计。优化的应用研究还扩大到国土开发与资源利用、生态保护、生产调度、海洋工程等领域。
本系统在开发的过程中查阅了大量有关多目标遗传算法的书籍,进行了详细的学习,深入研究最终完成了系统的编程工作,基本实现了系统分析时的要求,但是由于时间的仓促和所学理论知识的有限,系统的功能还需要有待进一步完善。
在本次毕业设计中,通过各方面的学习,实践和深入务实的本系统的开发,使我在软件开发技术,多人软件开发模式,设计分析及开发文档的纪录上都有了不同程度的体会和认识,并且独立学习和解决问题的能力也有了很大的提高。
 

Asp.Net运动员营养配餐系统致  谢
值此论文完成之际,谨向在毕业设计期间对我严格要求、悉心指导、热切关怀的我的导师表示最诚挚的感谢,论文的立意、设计以及实施的各个环节都凝结着他的汗水与智慧。导师渊博的知识、严谨的治学作风、忘我的工作精神工作作风使我受益非浅,特别难以忘怀的是,导师在我论文实施过程中遇到挫折和困难时的关怀、理解和支持。真诚地感谢导师的所有付出与辛劳!。随着论文的完成,我也即将结束我的大学学习生活,多年来我含辛茹苦的父母一直是我奋斗的动力和力量的源泉,他们以有己的方式默默地给予了我最无私的支持、关爱和期待,我不能不感谢他们的养育之恩。
衷心感谢所有曾关心我、帮助我的朋友和同学们,你们使我在四年的求学经历更加美好,终生难忘。
参 考 文 献
[1]       王小平,曹立明.  遗传算法——理论、应用与软件实现.  陕西:西安交通大学出版社  2002
[2]       周明,孙树栋. 遗传算法原理及应用.国防工业出版社
[3]       遗传算法之发展与全局优化[硕士学位论文].成都:西南交通大学,1995
[4]       长江轮船总公司中心卫生防疫站编著.中国膳食营养指南.北京:人民交通出版社.1991.
[5]       翟永民.运动员营养配餐与膳食管理及标准规范实务手册.北京:人民交通出版社.2005
[6]       孙金鑫.运动员饮食五大营养误区.饮食科学 2000(07):40~60
[7]       Avid Todd and Pratyush Sen. Distributed Task Scheduling And Allocation Using Genetic Algorithms. October, 1998
[8]       Carlos C.H. Borges and Helio J.C.Barbosa.A Non-generational Genetic Algorithm for Multiobjective Optimization,In 2000 Congress on Evolutionary
[9]       Wilson G V,Pawley G S.O n the stability of the T SP algorithm of hopfield and tank.B io l.Cybern.1988
[10]   Holland J H. Adaptation in Nature and Artificial Systems. The University of Michigan. Press. 1975, MIT Press. 1992
[11]   吕大刚,王光远.结构智能优化设计—一个新的研究方向.黑龙江:哈尔滨建筑大学学报.2002(09)
[12]   Rebecca M.Riordan著. ADO.NET程序设计. 李高健,孙瑛霖译.北京:清华大学出版社.  2003
[13]   Dejan Sunderic著. SQL Server2000存储过程与XML编程.  陈浩奎,谢俊,石朝江译.  北京:清华大学出版社.  2003
[14]   袁永刚,齐艳. ASP.NET服务器空件开发技术与实例.北京:人民邮电出版社. 2005
[15]   袁永刚,齐艳.  ASP.NET服务器空件开发技术与实例. 北京:人民邮电出版社. 2005
[16]   马尚才.电子商务安全技术[M].北京:国防工业出版社.2004
[17]   [美]Chris Ullman,John Kauffman.  Beginning ASP.NET 1.1 With Visual C# .NET 2003.北京:清华大学出版社. 2005
[18]   Richard Anderson、Brian Francis等著. ASP.NET 1.0 高级编程.北京:清华大学出版社,2002
[19]   常翠青.中国优秀运动员的营养状况.营养学报 2005(05)
  • 下一篇资讯: 学生学籍管理系统
  • 设为首页 | 加入收藏 | 网学首页 | 原创论文 | 计算机原创
    版权所有 网学网 [Myeducs.cn] 您电脑的分辨率是 像素
    Copyright 2008-2020 myeducs.Cn www.myeducs.Cn All Rights Reserved 湘ICP备09003080号 常年法律顾问:王律师