量子遺傳算法在配餐中的應用

[摘 要] 現代商場常常配有餐飲服務設施，既解決了商場員工的日常就餐問題，也為購物顧客提供了方便。將量子遺傳算法應用到計算機輔助配餐領域，可設計實現各種高效率的配餐軟件系統，實現高效率的營養配餐。

[關鍵詞] 量子遺傳算法 計算機輔助配餐 營養膳食

目前，隨著社會生產力的發展，人民生活水平的不斷提高，營養與膳食的話題越來越受到人們的關注。商場員工、購物顧客群體每日均有較大的就餐需求，如何為這些群體提供高質量、科學化的配餐是一項重要的研究課題。

一、量子遺傳算法簡介

量子遺傳算法QGA(Quantum Genetic Algorithm)的概念1996年由英國Exter大學的Ajit Narayanan和Mark Moore提出，2000年Kuk-Hyun Han將量子遺傳算法進一步完善，并首次將其應用于組合優化問題。QGA是基于量子計算原理的概率優化方法，結合了量子計算理論和進化算法理論。它用量子位編碼來表示染色體，通過量子門的旋轉來完成進化搜索，具有種群規模小、收斂速度快，全局尋優能力強的特點。

二、基于QGA的營養膳食優選程序

營養配餐問題是在菜品數據庫中搜索滿足配餐對象就餐需求目標的組合優化問題。配餐系統首先需要做配餐對象的營養分析，根據配餐用戶的性別、年齡、身高、體重、勞動強度、體重指數、體型等自然情況，由計算機自動算出配餐對象熱量及各種營養元素的每日需求量。

配餐系統根據配餐對象的熱量及各營養元素需求標準，在菜譜表中進行菜品優選，組合各種菜品生成為一套或多套備選菜譜提供給配餐對象進行選擇。基于量子遺傳算法的配餐系統將菜品數據庫中的菜品表示為染色體基因型。經量子崩塌后產生的解可以表示為最終優選生成的菜譜，假設某菜品庫中有15道菜品，量子崩塌后產生的解為:001001001000001，從左至右的第3、6、9、15位為1，其他位為0，代表了要選擇菜品數據庫中第3、6、9、15號共4道菜品為配餐菜譜中的配餐菜品。菜譜更新采用量子旋轉門，當前菜譜其基因型在被旋轉門更新后，在下一代量子觀測后得到的解就會更加傾向于全局最優解，經過逐代進化，系統最終可生成滿足配餐對象的滿意備選菜譜，實現全部配餐功能。量子遺傳算法中的概念和營養配餐中的概念對應關系如表1所示。

三、試驗結果

為了驗證算法的性能，本文在一個包含40道菜品的數據庫中進行了實驗，并與現有的模擬退火算法解決方案進行了比較，對比實驗結果如表2所示。經測試，基于量子遺傳算法的營養膳食配餐系統可以很好地滿足實際的配餐需要，在某商場餐飲部應用后，取得了較好的使用效果。

四、結論

量子遺傳算法在解決組合優化問題時在搜索效果和搜索速度兩方面具備優秀的均衡性，具備高可用性、健壯性和穩定性。采用量子遺傳算法做為配餐核心算法在優選速度、優選效果等方面具有較大優勢。

參考文獻:

[1]陳艷秋 陳霞飛等:“營養膳食分析與配制”營養軟件的設計及應用[J].計算機醫學應用.2000，13(10):526～527

[2]魏鳳梅 胡 文:基于模擬退火算法營養膳食優選的研究[J].哈爾濱商業大學學報.2006，22(6):80～83

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”