РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ФОРМИРОВАНИИ МЕНЮ ЗДОРОВОГО ПИТАНИЯ

АННОТАЦИЯ

В статье рассматривается разработка автоматизированной информационной системы поддержки принятия решений при формировании меню здорового питания. Современные информационные технологии позволяют анализировать пищевую ценность продуктов, рассчитывать оптимальный рацион питания и формировать рекомендации с учетом индивидуальных параметров пользователя. Предлагаемая система использует методы математического моделирования, базы данных продуктов питания и алгоритмы оптимизации для формирования сбалансированного меню. В работе рассмотрена архитектура системы, математическая модель оптимизации рациона и пример программной реализации. Разработанная система может применяться в медицинских учреждениях, фитнес-центрах и образовательных организациях.

ABSTRACT

This article discusses the development of an automated information system for decision support in creating healthy diet menus. Modern information technologies enable the analysis of food nutritional value, calculation of optimal dietary patterns, and generation of recommendations tailored to the user's individual needs. The proposed system utilizes mathematical modeling methods, food product databases, and optimization algorithms to create a balanced menu. The paper examines the system architecture, a mathematical model for diet optimization, and an example of software implementation. The developed system can be used in medical institutions, fitness centers, and educational institutions.

Ключевые слова: система поддержки принятия решений, здоровое питание, автоматизированная система, математическое моделирование, оптимизация рациона, информационные технологии.

Keywords: decision support system, healthy nutrition, automated system, mathematical modeling, diet optimization, information technology.

В настоящее время проблема правильного питания является одной из ключевых в сфере здравоохранения и профилактики заболеваний. Неправильное питание приводит к развитию различных заболеваний, таких как ожирение, сахарный диабет и сердечно-сосудистые заболевания.

Формирование оптимального рациона питания является сложной задачей, требующей учета множества факторов:

• возраст человека;
• уровень физической активности;
• энергетические потребности организма;
• содержание белков, жиров и углеводов в продуктах;
• медицинские рекомендации.

Традиционные методы составления меню требуют значительных временных затрат и участия специалистов-диетологов. В связи с этим возникает необходимость разработки автоматизированных информационных систем поддержки принятия решений (СППР) [5], которые позволяют автоматически анализировать данные и формировать рекомендации по здоровому питанию.

Система поддержки принятия решений (СППР) представляет собой программно-информационную систему, предназначенную для анализа данных и помощи пользователю при выборе оптимального решения.

Основные компоненты СППР:

1. База данных – содержит информацию о продуктах питания и их пищевой ценности.
2. Модельная база – включает математические модели расчета рациона.
3. Модуль анализа данных – выполняет вычисления и оптимизацию.
4. Пользовательский интерфейс – обеспечивает взаимодействие пользователя с системой.

Таблица 1

Архитектура системы

Математическая модель формирования меню

Задача формирования меню может быть представлена как задача оптимизации [1, 2].

Пусть:

• – количество i-го продукта в рационе
• – калорийность продукта
• –  содержание белков
• – содержание жиров
• – содержание углеводов

Тогда целевая функция может быть записана следующим образом:

при ограничениях

где P – минимальная норма белков, F – минимальная норма жиров, H – минимальная норма углеводов.

Таким образом, задача состоит в нахождении такого набора продуктов, который обеспечивает необходимую пищевую ценность рациона.

Архитектура автоматизированной системы

Разрабатываемая система состоит из следующих модулей:

1. Модуль ввода данных
2. База данных продуктов
3. Модуль оптимизации меню
4. Модуль визуализации результатов

Функциональная схема системы:

Пользователь → Ввод параметров → Модель оптимизации → Формирование меню → Вывод рекомендаций

Система учитывает следующие параметры пользователя:

• возраст
• вес
• рост
• уровень физической активности
• цель питания (снижение веса, поддержание формы, набор массы)

Для реализации системы можно использовать язык программирования Python.

Пример расчета оптимального рациона:

import numpy as np

from scipy.optimize import linprog

# Калорийность продуктов

calories = [120, 200, 150]

# Содержание белков

proteins = [10, 15, 8]

# Содержание жиров

fats = [5, 10, 3]

# Содержание углеводов

carbs = [20, 30, 25]

# Ограничения

A = [[-p for p in proteins],

    [-f for f in fats],

    [-c for c in carbs]]

b = [-50, -30, -200]

result = linprog(calories, A_ub=A, b_ub=b)

print("Оптимальное количество продуктов:", result.x)

Данный алгоритм позволяет определить оптимальное количество продуктов для формирования сбалансированного меню.

Для проверки работы системы был проведен эксперимент по формированию суточного меню.

В качестве тестовых продуктов использовались:

• куриная грудка
• рис
• овощи
• фрукты
• молочные продукты

Результаты моделирования показали, что использование автоматизированной системы позволяет:

• сократить время составления рациона;
• повысить точность расчета пищевой ценности;
• учитывать индивидуальные параметры пользователя.

График распределения калорийности рациона может быть представлен следующим образом:

• белки – 30 %
• жиры – 25 %
• углеводы – 45 %

В работе разработана автоматизированная информационная система поддержки принятия решений для формирования меню здорового питания. Предложенная система использует методы математического моделирования и оптимизации для расчета сбалансированного рациона.

Результаты исследования показывают, что использование информационных технологий в области питания позволяет значительно повысить эффективность планирования рациона и улучшить качество рекомендаций.

Разработанная система может быть использована:

• в медицинских учреждениях;
• в фитнес-центрах;
• в образовательных организациях;
• в мобильных приложениях здорового питания.

В дальнейшем планируется расширение функциональности системы за счет применения методов машинного обучения и анализа больших данных.

Список литературы:

1. Таха Х. Введение в исследование операций. — М.: Вильямс, 2019.
2. Орлов А.И. Теория принятия решений. — М.: Экзамен, 2018.
3. Дейт К. Введение в системы баз данных. — М.: Вильямс, 2020.
4. Goodfellow I., Bengio Y., Courville A. Deep Learning. — MIT Press, 2016.
5. Bishop C. Pattern Recognition and Machine Learning. — Springer, 2018.