中 華 大 學 碩 士 論 文
以多目標遺傳演算法設計個人適性化菜單 A Multi-Objective Evolutionary Approach
to Design Personal Diet Plans
系 所 別： 資訊工程學系碩士班 學號姓名： M09902013 曾詩耕 指導教授： 陳建宏 博士
中 華 民 國 101 年 8 月
i
摘 要
在台灣的商業和現代工業的快速發展，人們的生活節奏變得越來越快。因此，台 灣人的傳統飲食習慣也發生相應的變化。 「便利」和「快速」成為的多數人所期望 的用餐目標的，因此有了「外食族」的稱號。
在強調「方便」和「快」的飲食需求下，在便利店購買的食物往往是「外食族」
最簡單也是最佳的選擇之一。因此，各家便利商店在熟食商品上推陳出新，搶攻「外 食族」的市場，以增加自己的市場份額。
從便利商店所販售的熟食商品中，設計出結合符合個人一天的營養需求及口味的 餐飲菜單是一個複雜的問題。在一些文獻中，自動菜單設計主要是根據不同的食譜菜 色的組合。而這些方法不能滿足外食族群對於均衡的營養和食品花費的目標需求。
在這篇論文中，是基於 7-11 便利商店的熟食商品組合，並考慮個人營養的需求 及食品花費的數學模型。我們利用多目標遺傳算法來解決這個問題，為使用者產生菜 單規劃。實驗結果顯示，本研究可以產生一組的非支配解的菜單，讓使用者可以選擇 一個合適的菜單組合，滿足他們的預設目標。
關鍵字:菜單設計；外食；多目標演化式計算；適性化
ii
ABSTRACT
With the rapid commercial and modern industrial development in Taiwan, the pace of people’s life have become faster and faster. Therefore, traditional dining habits of Taiwan- ese also changes accordingly. "Convenience" and "Rapid" become the most aspirations of people's dining goal. Thus, many "Out-eaters" are formed. With the emphasis on the "con- venience" and "rapid" dietary needs, the prepared foods in convenience stores are often the easiest and best choice for "Out-eaters". As a result, many new and new prepared foods are sold in various convenience stores in order to increase their market share in the out-eaters food market.
Designing a dining menu that combines the needs of personal day nutritional and the taste of pre-cooked foods in various convenience stores is a complicated issue. In several literatures, automatic menu designs are mainly based on a combination of different design recipes. These approaches are insufficient to meet the needs of the out-eaters population considering the goals of balanced nutrition and food costs.
In this thesis, we consider the selection of foods is limited within the prepared food products of 7-11 convenience stores. A mathematical model considering the nutrition re- quirements and food costs is developed. A multi-objective genetic algorithm is applied to solve this problem and generate menu plan for users. The experimental results show that a set of non-dominated solution menu can be generated and users can choose a suitable menu which satisfies their preset goals.
Keywords: meal planning ; out-eat; Multi-objective Evolutionary; Personalized.
iii
目錄
摘 要 ... i
ABSTRACT ... ii
目錄 ... iii
圖目錄 ... v
表格目錄 ... vi
第一章 緒論 ... 1
1-1 研究背景與動機 ... 1
1-2 問題描述 ... 2
1-3 研究目標 ... 2
1-4 論文架構 ... 2
第二章 文獻探討 ... 4
2-1 營養學相關理論 ... 4
2-1-1 熱量 ... 4
2-1-2 營養素 ... 4
2-2 身高體重指數(Body mass index, BMI) ... 6
2-3 基礎代謝率(Basal Metabolic Rate, BMR) ... 8
2-4 遺傳演算法(Genetic Algorithms,GAs) ... 9
2-4-1. 編碼(Encoding) ... 9
2-4-2 適應函數(Fitness Function) ... 9
2-4-3 選擇(Selection) ... 9
2-4-4 交配(Crossover) ... 10
2-4-5 突變(Mutation) ... 10
2-5 先前的研究 ... 11
第三章 系統與方法設計 ... 12
3-1 系統架構 ... 12
iv
3-2 使用者介面 ... 13
3-3 超商食品資料庫設計 ... 15
3-4.多目標遺傳演算法(Multi-objective genetic algorithm, MOGAs) ... 17
3-4-1 染色體編碼 ... 17
3-4-2 初始化染色體 ... 19
3-4-3 目標函數 (Objective Function) ... 19
3-4-4 計算適應度函數 (Fitness Function) ... 20
3-4-5 選擇 (Selection) ... 21
3-4-6 交配 (Crossover) ... 21
3-4-7 突變(Mutation) ... 22
3-4-8 穩態選擇 (Steady-State Replacement) ... 23
3-5.複雜度 ... 23
第四章 實驗及結果 ... 25
4-1 實驗設計... 25
4-2 實驗圖表及分析 ... 27
4-3 使用者問卷結果分析 ... 34
第五章 結論 ... 37
參考文獻 ... 38
附錄 ... 40
附錄 1 資料庫項目 ... 40
v
圖目錄
圖 1-1 “職場員工每週三餐外食五天以上之情形”[1] ... 1
圖 2-1 GAs 流程 ... 10
圖 3-1 系統架構圖 ... 12
圖 3-2 使用者介面 1 ... 13
圖 3-3 使用者介面 2 ... 14
圖 3-4 食品資料庫資料表 ... 16
圖 3-5 染色體分割(Chromosome length=9) ... 18
圖 3-6 Uniform Crossover ... 22
圖 3-7 MOGAs 流程 ... 24
圖 4-1 脂肪目標(1200kcal) ... 27
圖 4-2 蛋白質目標(1200kcal) ... 27
圖 4-3 碳水化合物目標(1200kcal)... 28
圖 4-4 花費目標(1200kcal) ... 28
圖 4-5 脂肪目標(2000kcal) ... 29
圖 4-6 蛋白質目標(2000kcal) ... 29
圖 4-7 碳水化合物目標(2000kcal)... 30
圖 4-8 花費目標(2000kcal) ... 30
圖 4-9 脂肪目標(2800kcal) ... 31
圖 4-10 蛋白質目標(2800kcal) ... 31
圖 4-11 碳水化合物目標(2800kcal)... 32
圖 4-12 花費目標(2800kcal) ... 32
圖 4-13 使用者問卷 ... 36
vi
表格目錄
表 2-1 營養素說明表 ... 5
表 2-2 世界衛生組織 BMI 分類之定義(WHO,1998) ... 6
表 2-3 亞洲成年人的體重 BMI 分類之定義(”The Asia-Pacific perspective: Redefining Obesity and its treatment.”WHO, IOTF/IASO 2000) ... 7
表 2-4 活動因子[4] ... 8
表 2-5 相關文獻整理 ... 11
表 3-1 食品分類 ... 16
表 4-1 MOGA 實驗參數 ... 25
表 4-2 實驗 1 使用熱量及營養素基準 ... 26
表 4-3 實驗 2 使用熱量及營養素基準 ... 26
表 4-4 實驗 3 使用熱量及營養素基準 ... 26
表 4-5 未使用菜色篩選功能 ... 35
表 4-6 使用菜色篩選功能 ... 35
1
第一章 緒論
1-1 研究背景與動機
均衡飲食是保持健康之道，但隨著社會變遷，現代人生活忙碌，飲食習慣有很大 的改變，也就產生「外食族」的稱號。根據衛生署國民健康局99、100年度「全國職 場健康促進暨菸害防制調查報告」中[1]，99年度職場員工每週三餐外食五天以上的 人數，早、午、晚餐分別為50.4%、60.2%以及26.4%；而在100年度則達到54.1%、66.7%、
27.3%，呈現成長的趨勢。另一項針對台灣民眾在外飲食的情況所做的調查[2]，受訪 者中約有30%的人三餐均來自外食，調查中也指出35.6%的受訪者並未注意食品包裝 上標示的營養含量，另外2.7%從未注意食品包裝上標示的營養含量，換句話說，近四 成受訪者不知道自己每日所選購的外食是否符合個人營養需求。
雖然外食方便迅速，但也常常帶來過多的油脂跟熱量。攝取過多的油脂及熱量易 造成肥胖。世界衛生組織預測肥胖症可能很快會成為公共健康的問題，是造成健康不 佳的主要原因[15]。肥胖有可能導致糖尿病、高血壓、動脈硬化等等疾病。政府衛生 機關近年來也相當關心肥胖的問題對於國人肥胖的問題進行相關的研究及防治的工 作。
圖1-1 “職場員工每週三餐外食五天以上之情形”[1]
50.4 60.2 54.1
66.7
26.4 27.3
0 10 20 30 40 50 60 70 80 90 100
99年度 100年度
百分比
早餐 午餐 晚餐
2
一份均衡飲食菜單通常是由專業營養師所調配，相關的每日飲食規劃系統也偏向 是營養師專家系統。對於外食族來說，食物菜色及份量都是由餐廳廚師或是超商熟食 食品本身所決定，消費者只能消極的選擇適當的菜色及份量，不易控制每天所攝取的 熱量。幫助外食族在每日的外食中組合出符合一天所需的營養素以及預算需求，是本 文所要探討的。
由於台灣外食人口增長迅速，台灣本地各大超商業者紛紛推出各類熟食產品搶佔 這塊龐大的商機，也讓廣大的外食族群有更多元化的選擇。因此本研究基於統一超商 所販售的熟食商品，
1-2 問題描述
飲食及菜單規劃是複雜且需要專業知識的工作，根據每個人不同的營養需求以及 不同口味喜好，需要專業訓練的人員從經驗以及知識中挑選出最佳的組合，既要符合 消費者的營養需求又要符合大眾口味是一門藝術。多數的菜單規劃根據個人需求往往 需要考慮多個不同的目標，例如食物的營養含量，菜色的變化度或是因為生病所產生 的食物攝取等限制，都會增加設計菜單的複雜度。
1-3 研究目標
本研究基於統一超商內所販售的熟食商品，完成一個網頁介面的菜單建議系統，
本系統特色如以下幾點:
(1)提供使用者方便迅速的方式得到菜單組合
(2)藉由多目標遺傳演算法產生菜單可以符合個人每日營養需求以及符合使用者預 算。
(3)評估使用者身體狀況，調整適當的熱量攝取，以維持健康的體態。
(4)能根據使用者喜好，組合出符合使用者期望的菜單。
1-4 論文架構
本論文共分為五章。
第一章為緒論，說明本研究的研究動機、問題描述及研究的目標。
3
第二章為文獻探討，闡述本研究所需相關的背景知識以及先前相關主題的研究。
第三章為系統與方法設計
第四章為實驗及結果，本章說明實驗的設計、流程、相關參數設定以及實驗之探 討。
第五章為結論及未來發展，總結本研究的成果以及相關限制及可以改進之處。
4
第二章 文獻探討
2-1 營養學相關理論
2-1-1 熱量
熱量是從飲食中攝取蛋白質、碳水化合物(醣類)、脂質等三大營養素，經過人體 內各種能量轉換的過程，提供人體維持生命。在營養學上，熱量的單位為千卡(Kcal)。
人體攝取食物後，轉換成熱量供應身體機能；而多餘的熱量則會轉換成其他形式儲存 下來，例如肝醣，肌肉，脂肪等等。
2-1-2 營養素
蛋白質、脂肪和碳水化合物提供人體大部分的熱量來源，每1公克的蛋白質跟碳 水化合物可產生4大卡的熱量[9] ；每1公克的脂肪可產生9大卡的熱量[9]。根據行政 院衛生署[8]蛋白質每日建議的攝取量成年男性約60公克，成年女性約50公克佔每日 所需熱量來源10~14%；脂肪及碳水化合物佔每日所需熱量來源分別為20~30%及 50~60%[9] (表2-1)。以下分別針對三種營養素做說明:
(一)蛋白質:
蛋白質是人體組織建造的主要結構物質，對於人體的生長發育以及組織更新都非 常重要，也是人體氮的唯一來源。蛋白質是人體酸鹼平衡的重要物質，可催化體內酶 的化學反應，幫助代謝過程的激素，也可幫助營養素的運輸傳遞，是維持人體免疫力 的重要物質。
蛋白質的攝取量會因個人的年齡、性別、勞動強度和健康狀況而不同。一般成人 每天每公斤體重需要1~1.5克蛋白質；發育期間的幼童、青少年及孕婦需每天每公斤 1.5~3克蛋白質，病患則須因病情狀況做適量的攝取。一般人體攝取的蛋白質來源有 動物性及植物性兩種。動物性屬於優質蛋白質，如肉類、魚類、蛋奶類；植物性蛋白 質如豆類、蔬菜及水果。
蛋白質本身會轉變成脂肪及醣分，而高蛋白及脂肪會阻礙醣分的代謝，故攝取過 多的蛋白質容易導致高血脂及高血糖的產生會造成腎臟的負擔。攝取不足則會造成免 疫力下降、營養不良及水腫等問題。
5
(二)脂肪:
脂肪主要提供體內生長所需的脂肪酸，維生素A、D、E、K為脂溶性吸收作用，
脂肪所產生的熱量能減少蛋白質的燃燒，可用來保護內臟，避免關節及神經受到外力 破壞，並保持體溫，因此脂肪是人體內不可或缺的營養素。
脂肪及膽固醇與慢性病及文明病的罹患息息相關，由於外食人口的增加，速食業 逐年發達，造成普遍外食族群的動物性油脂攝取過高，併發心血管疾病及慢性病產生；
攝取過少則會導致皮膚粗糙。
(三)碳水化合物:
碳水化合物是飲食中重要的元素之一，主要可分為澱粉質、醣類和植物纖維，澱 粉質如穀物類，進食後可將其轉為能量。醣類存在於天然營養素中，其中可分為單醣 類及雙醣類，單醣類又可分為葡萄糖、乳糖、半乳糖；雙醣類則有蔗糖、乳糖、麥芽 糖；植物纖維則在許多富含碳水化合物的食物中也含有豐富的植物營養素及膳食纖維，
可幫助降低膽固醇及減少便秘罹患大腸癌的風險。
攝取過多的碳水化合物會造成代謝醣類的胰島素不夠用，導致糖尿病的產生，甚 至會引發心臟病及中風的相關疾病；攝取不足時，身體將會分解肝臟中所儲藏的肝醣 製造血糖，當沒有適量攝取碳水化合物，肌肉組織便會開始分解，身體可能進入酮酸 血症(ketosis)的狀態，高濃度的酸性酮體在血液中出現異常酸性，進而導致噁心、虛弱、
暈眩、口臭及憂鬱的症狀產生。
每公克產生熱量
(kcal/g)
佔每日熱量來源比例
(%)
蛋白質 4 10-14
脂肪 9 20-30
碳水化合物 4 50-60
表 2-1 營養素說明表
6
2-2 身高體重指數(Body mass index, BMI)
BMI 被用來評估健康的一項參考，藉由 BMI 公式計算測量出是否過瘦、肥胖或 正常，能作為飲食控制的依據之一，其公式計算為:
體重身高 (1)
選擇身體質量指數為定義肥胖的主要指標之原因是它的測量容易、信度高，同時 它和身體脂肪所佔百分比，各種肥胖相關疾病的發生率、死亡率也都有高度的相關。
[16]。
Classification BMI(kg/m
2) Risk of co-morbidities
Normal range
18.5-24.9 AverageOverweight
≧25 AveragePre-obese
25.0-29.9 IncreasedObese class I
30.0-34.9 ModerateObese class II
35.0-39.9 SevereObese class III
≧40 Very severe表 2-2 世界衛生組織 BMI 分類之定義(WHO,1998)
7
Classification BMI(kg/m
2
) Risk of
co-morbidities
Underweight
<18.5 AverageNormal range
≧25 AverageOverweight
25.0-29.9 IncreasedAt risk
30.0-34.9 ModerateObese class I
35.0-39.9 SevereObese class II
≧40 Very severe表 2-3 亞洲成年人的體重 BMI 分類之定義(”The Asia-Pacific perspective: Redefining Obesity and its treatment.”WHO, IOTF/IASO 2000)
8
2-3 基礎代謝率(Basal Metabolic Rate, BMR)
基礎代謝率(Basal Metabolic Rate, BMR)用來測定一個人體內基本的熱量消耗。測 量的方法是十二小時內不進食，處於舒適的環境狀態保持清醒臥於床上的狀態下消耗 的熱量[3]，將 BMR 乘以活動因子(Activity factor)所得為一個人一天所需熱量[4][5]。
BMR 計算有許多不同的理論及算法，在先前的研究指出[6]，由於大部分 BMR 計算基礎都是以西方人為主，其中以 M. D. Mifflin 等人所提出的計算式[7]較能符合 東方人實際的熱量消耗，因此本文所採用的熱量需求計算方式採用 M. D. Mifflin 等人 所提出的計算式(公式 2)(公式 3)。
for males:
(2)
for females:
(3)
根據不同的活動型態建立活動因子(表 2-4)，估算出一個人每天所需要的熱量 (Total Energy Expenditure, TEE)(公式 4)[4]。
(4)
Activity factor
Confined bed
1.2Ambulatory
1.3Normal activity
1.5-1.75Extremely active
2.0表 2-4 活動因子[4]
9
2-4 遺傳演算法(Genetic Algorithms,GAs)
遺傳演算法於1975年由John Holland 學者所提出，屬於演化是計算的其中一種方 法。利用達爾文『進化論』中，「適者生存，不適者淘汰」以及「突變有可能帶來進 步」的概念，模擬生物演化中「選擇」、「交配」以及「突變」的過程，經過演化過 程的迭代，希望能找出較佳的解。透過其強大的搜尋能力，能快速在廣大的解空間中 搜尋較佳的解， 常用於組合最佳化的問題。例如，時間排程問題及投資決策相關的 問題等等。此外，遺傳演算法也適用於一些工程相關的問題。例如，飛行器造型結構 設計等等。
傳統單目標遺傳演算法流程如下：
第一步：隨機產生n個初始染色體
第二步：利用適應度函數計算個別染色體的適應值 第三步：根據適應度從親代中選擇染色體
第四步：根據交配機率進行染色體間交配
第五步：根據突變機率對交配完成的子代進行突變
第六步：判斷是否達到終止條件?（是:停止；否:回到第二步）
2-4-1. 編碼(Encoding)
遺傳演算法中，染色體用來表示問題的解。不同的問題染色體有不同的編碼方式，
染色體是由序列的基因所組成。
2-4-2 適應函數(Fitness Function)
適應函數是用來評估每個染色體所代表之解答的好壞，即其適應度。通常適應函 數即為最佳化問題的目標函數。
2-4-3 選擇(Selection)
在自然界中，「選擇」用來淘汰適應度較差物種所謂「適者生存」的機制，因此 遺傳演算法中也有相同的運算子。在所有個體中，適應度高的染色體存活率較高，而 相對適應度低的染色體比較容易被淘汰。因此，適應度較高的染色體所擁有較高的交 配機率。
10
2-4-4 交配(Crossover)
遺傳演算法是在廣大的解空間中搜尋可能的答案。而交配運算子的主要功能，是 藉由交配的過程中，染色體間彼此交換資訊，進行有效率的搜尋，而非漫無目標的搜 尋。在染色體交換資訊的過程，希望能讓每一代的族群都較上一代進步。
單點交配（one-point crossover）為常見的交配方法。隨機決定一個交配點後，
兩條染色體互相交換交配點前後的基因資訊，得到兩個新的染色體，完成交配。
除了單點交配外， 還有許多種交配的方式， 如兩點交配（ two-pointcrossover）、
多點交配（multi-point crossover）、均勻交配（uniform crossover）、PMX等。根據不 同應用領域及問題，選擇適當的交配方式能得到較理想的結果。
2-4-5 突變(Mutation)
藉由達爾文進化論中「突變可能會帶來進步的概念」，遺傳演算法利用突變運算 子，有助於避免在搜尋中陷入區域最佳解。
圖2-1 GAs流程
Crossover Calculate Fitness
Mutation Selection Initial Population
Output
Stop?11
2-5 先前的研究
多數的研究都是以食譜為基礎(Recipe-based)做研究，在 1995, Department of Ag- ricultural 等[10]利用電腦建立一套多模組的 Recipe-based 的飲食推薦系統，他解決了 在 895 項食譜中找出節省烹飪時間以及花費的組合推薦給使用者；在 2011, G.
Kov´asznai [12]不同於一般在飲食規畫使用的線性規劃及遺傳演算法或是 Rule-based 的方式解決餐飲規劃的問題，而是利用 ripple down rules (RDR)的方法建立一套專家 系統，用於餐飲推薦上。
國內研究方面，張德明等[13]建立一套模糊推論系統針對菜色油膩程度進行推論 找出符合使用者需求及口味的菜色組合。
作者 方法 解決問題 研究模型
P. Leung (1995) [19]
Rule-Base 解決做菜時間以及金錢花費且符 合營養條件
基於食譜/
基於營養 攝取限制 Barbara
Korousˇic´
Seljak (2009) [20]
將菜單規畫轉換成 背包問題利用 NSGA-II 解決
根據需求設計菜單及符合攝取限 制條件
基於食譜/
基於飲食 指南
張德明 (2004) [13]
模糊理論 根據菜色油膩程度進行推論找出
符合使用者需求及口味的菜色組 合
基於食譜/
基於熱量
林育潔 (2007) [18]
IGA/GA 運用 IGA 以及 GA，設計出符合個 人喜好及飲食標準的菜單
基於食譜/
基於飲食 指南 卓聖威
(2008) [17]
IGA 利用 IGA 去產生減重菜單讓使 用者選擇所喜愛的菜單組合
基於食譜/
基於熱量 表 2-5 相關文獻整理
12
第三章 系統與方法設計
3-1 系統架構
此系統主要分三個部分﹕
(1) 使用者介面：
負責取得使用者資訊以及呈現訊息給使用者。使用者介面以網頁的方式呈現，擔 任演算法及使用者間溝通橋梁。
(2) 資料庫：
資料庫負責儲存超商中每項食品。提供給使用者介面及演算法使用。
(3) 多目標遺傳演算法：
多目標遺傳演算法將使用者每日所需熱量轉換成目標函數，接者根據使用者需求 從資料庫中挑選食品藉由演化過程找出適合的組合推薦給使用者。
圖3-1 系統架構圖 使用者介面:
輸入使用者身高、體 重、年紀、目標體重
資料處理模組
食品資料庫 多目標遺傳
演算法模組 使用者介面:
使用者挑選喜好菜色組合
使用者介面:
顯示結果 使用者端
伺服器端
資料庫管理介面
13
3-2 使用者介面
使用者介面是擔任與使用者跟程式之間溝通的橋樑，本研究所建立的系統在使用 者介面分為兩的部分。第一個部分負責取得使用者基本資料，提供 BMI 判斷及熱量 建議。第二個部分讓使用者決定喜好的菜色。
首先先取得使用者基本的身高體重資料，經由(公式 1)求出使用者的身體質量指 數(BMI)，藉由 BMI 可以讓使用者判斷身體的狀況。本研究使用 BMI 為定義肥胖的 主要指標的原因是因為 BMI 的能藉由基本的身高體重求得，而且一直以來都是作為 一個可信度高，同時它和身體脂肪所佔百分比，各種肥胖相關疾病的發生率、死亡率 也都有相當高的關聯性。
根據使用者增減種需求調整熱量需求，以一天增(減)500 大卡[14]方式，來達到體 重控制的目的。
圖3-2 使用者介面1
14
接著讓使用者能挑選出不喜歡的項目或是希望的餐飲分類的組合，這兩項功能可 以使用其中一項也可以一起使用，由使用者自行選擇。此設計可以讓產生出的菜單更 符合使用者預期，做到個人化的功能。
整體介面以簡便快速為設計概念，並不會有過多的操作，讓使用者能在提供簡單 的資料以及需求後，迅速地得到菜單結果。
圖3-3 使用者介面2
15
3-3 超商食品資料庫設計
超商食品資料庫設計用來儲存統一超商所販售的熟食商品。經由食品不同的屬性 分類，能讓使用者找出符合需求的組合。
商品的一維條碼為資料表的主鍵，食品資料庫另外記錄商品編號、商品名稱、早 中晚餐分類、食品分類、商品重量、商品總熱量、商品總蛋白質含量、商品總碳水化 合物含量商品脂肪(包含飽和及不飽和脂肪)含量、鈉含量、商品售價。
一維條碼是唯一的一組辨識數字，所以不會有重複的情形發生，所以在資料庫中 將一維條碼設為主鍵，防止資料重複輸入的情況發生。
商品編號是用於染色體編碼時用來表示該商品的代號。在多目標遺傳演算法中，
計算染色體的目標函數數值利用編號查詢對應的三種營養素以及商品價格。
在超商的商品中，每項食品都會標示出每 100 公克所含的三大營養素含量，根據 該商品的重量，可以換算出三大營養素個別的總含量，換算完成後存入資料庫中。
每種食品依照類型分為「午晚餐類」以及「早午晚餐類」。與一般的餐飲店不同，
在超商內 24 小時販售的熟食商品，因此不管任何時段都能買到各類的熟食餐點，某 些項目例如，便當或是湯鍋一類的商品，一般人很少會在早上購買食用，所以要適當 的幫每項商品分類。另外一種分類是依照食品類型進行分類(表 3-1)。藉由適當的食 品分類，能讓設計出來的菜單更符合人性化以及使用者喜好。
使用者輸入介面會將資料庫中所有的食品項目列出，讓使用者挑選出不喜歡的項 目以及使用者想在菜單中的食品分類組合，最後將使用者每日熱量需求以及食品分類 組合跟不喜歡的食品項目傳遞到 MOGAs 模組產生菜單組合後，將組合顯示給使用 者。
16
Foods database
*item_code Catalog Property item_name total_calories weight protein fat
saturated_fat trans_fat carbohydrate sodium price
圖3-4 食品資料庫資料表
分類 項目
食物種類 便當類、飯糰類、涼麵類、湯鍋類、三明治
類、水果類、麵包類、飯類、麵類、漢堡類、
水餃類、生菜沙拉類、粥類、湯類
食物性質 午晚餐、早午晚類餐
表 3-1 食品分類
17
3-4.多目標遺傳演算法(Multi-objective genetic algorithm, MOGAs)
多目標遺傳演算法同樣擁有良好的搜尋能力，被設計解決複雜的多目標問題，尤 其是組合最佳化的問題，透過其強大的搜尋能力試著找出合適的解。執行步驟如下:
第一步：
產生一群初始染色體(initial population)。
第二步：
計算每一個個體的適應值，了解個體在族群中的適應度。
第三步：
透過選擇的機制挑選出適應值較佳的染色體放入交配池(mating pool)中。
第四步：
交配的運算子照順序從交配池中挑出兩條染色體根據交配機率 決定兩條染色 體是否交配，如果未進行交配則複製親代進入後代池中(offspring pool)，當後代池中 的染色體數量等於初始化的族群大小時則開始進行第五步。
第五步：
突變的運算子是將每個後代池中的染色體取出，根據機率 對每個基因位置進 行突變。突變完成後，將後代池中所有新的個體加進原本的的族群中進入第六步。
第六步：
穩態選擇法(Steady-State Selection) 會重新計算所有個體的適應值並排序，接著 從最高適應值的個體，照順序向下挑選個體出來直到滿足族群大小。這些被挑選出來 的染色體就組成新的一代染色體。
第七步：
如果沒達到設定條件回到第二步，直到滿足終止條件。
3-4-1 染色體編碼
遺傳演算法表示問題解的方式稱做染色體，它是由一串基因序列所組成。每條染 色體稱作一個「個體」，而遺傳演算法迭代的過程就是在做個體間彼此的基因訊息的 交換，因此我們必須將問題的解，編碼成染色體的形式。
染色體長度是根據問題的需要設計固定式或是可變式。本文染色體長度採用可變
18
長度的方式，計算染色體長度是根據不同的熱量需求做變動。
(4)
,where
＝每日卡洛里需求，＝資料庫中所有食品項目平均熱量。
在公式(4)中，染色體長度設計的概念是把一日所需熱量平均分配在三餐，接著 乘上資料庫中所有食品平均熱量加一取上限訂為一餐在染色體中所表示的長度最後 乘上三，可以表示一天三餐的組合。
舉例來說，一個人一天熱量需求為 2000 大卡，資料庫所有項目平均熱量為 376 大卡，染色體長度為:
在資料庫中，每項食品都有獨立的標號代表該項食品，因此染色體是採整數編。
每個基因位置中基因代表不同菜色在資料庫中的編號，組成一條染色體即代表一天三 餐的菜色組合。
考慮到一般人早餐選擇的餐點跟午餐及晚餐有所不同，所以將染色體分割成為兩 段。前面三分之一段表示早餐的組合，後面三分之二段為午晚餐的組合(圖 3-5)，此 設計能讓產生出來的菜單更符合人性化。
早餐 午晚餐
圖3-5 染色體分割(Chromosome length=9)
19
3-4-2 初始化染色體
執行遺傳演算法時，一開始要先隨機產生一群染色體當作初始的染色體進行演化。
由於染色體設計將染色體分割早餐跟午晚餐兩段，所以產生初始的染色體的時候要根 據分割限制，讓染色體前段基因只能為早餐類的項目挑選，而切割後半段基因位置則 是只能從「早午晚餐」或是「午晚餐」類挑選。
染色體基因位置中，除了放入資料庫中項目的編號以外，額外基因位置有可能會 產生「0」放入。如果基因位置放入「0」，代表該基因位置不選任何食物項目。舉例 來說，假設早餐段染色體基因長度為「3」，其中一個為「0」，表示早餐只吃兩種餐 點。在染色體中加入空項目的機制，是因為有些分類的項目營養素含量比例相對較高，
如果染色體基因中含有這些項目，可能會造成該染色體的適應度會偏低，在演化過程 中容易被淘汰掉。所以為了防止這種情形發生增加染色體的變化性，所以加入空項目 的機制。
3-4-3 目標函數 (Objective Function)
根據飲食指南建議，藉由每日所需攝取食物種類的份量，設計出菜單。但由於飲 食指南是針對所有國民平均的身體狀況做設計，雖然能符合多數人的需求，但此設計 方法並沒辦法完全符合個人化需求。因此，本文提出利用一天的總熱量消耗(Total energy expenditure, TEE)，藉由求出 TEE 以及三大營養素每日所需攝取比例，轉換成 使用者每日三大營養素攝取需求量。藉由此方法能讓菜單更符合個人適性化的需求。
在本文中所要解決的目標有四個。第一個是每日蛋白質所需攝取的公克數，第二 個目標為每日脂肪所需攝取的公克數，第三個目標為每日碳水化合物所需攝取的公克 數以及最後一個目標為使用者預算。根據[8],[9]將每日所需的熱量轉換成每日三大營 養素的需求量。
我們將蛋白質、脂肪及碳水化合物每日攝取量比例分別訂為 15%、25%及 60%[8],[9]，接著將每日所需熱量按照比例轉換成三大營養素每日所需攝取的份量。
(5)
20
(6)
(7)
,where
= 使用者每日所需熱量
每個基因就代表一項食品，計算目標函數時要取出每項食品的蛋白質、脂肪以及 碳水化合物的含量並加總與使用者每日所需相減取絕對值(公式 8)(公式 9)(公式 10)。
極小化三個目標值越小代表染色體中所包含的營養素公克數越接近實際需求的 含量，所以我們必須最小化這三個目標。第四個目標為使用者預算，將染色體中所有 項目的花費加總減去使用者訂定的預算，這個目標值如果為正值，代表在使用者預算 以內，所以極大化這個目標(公式 11)能為使用者省下預算。
Minimum
(8)
(9)
(10)
Maximum
(11)
,where
.3-4-4 計算適應度函數 (Fitness Function)
適應度函數是用來評估一條染色體在族群中的優劣，由於菜單規劃並非單一目標，
所以需考量各個目標轉換成適應值。[21]使用支配的概念來確定的柏拉圖最佳解 (Pareto-optimal solutions)。
本論 文使 用 [11] 所 提 出的 Generalized Pareto-based Scale-Independent Fitness Function (GPSIFF）方法。利用個體支配和非支配評量個體在族群中的適應度。此方法 不僅保有由 Deb[21]所提出的支配概念，同時也能衡量不同尺度的目標下個體的優劣。
21
因此，GPSIFF 適用於本研究評估個體的適應度：
(12)
代表染色體 i (i = 1~population size)存在一個目標優於另一條染色體且其他 目標也要優於或等於該染色體的數量； 則是染色體 i 劣於另一條染色體且其他目標 也劣於或等於該染色體的數量。c 則代表常數，一般為訂為族群大小(population size)。
3-4-5 選擇 (Selection)
「物競天擇」、「適者生存」是演化的基本概念。「選擇」運算子是將每條染色 體經過計算個體的適應度，較高適應度的個體有較高的機會被選出來當作親代。常見 的選擇方法有輪盤法(roulette wheel selection)跟競爭法(tournament selection)。
本文使用二元競爭選擇法(binary selection)，步驟是先將個體照順序從族群中取出，
比較兩個個體的適應值，較高的放進交配池中；如果適應值相等情況則是隨機從這兩 個個體中挑出一個放進交配池。經過一次的二元選擇後會交配池內會存放一半族群大 小的染色體，接著將族群做「洗牌」的動作，打亂染色體的順序，接著在按照順序將 個體取出做挑選染色體。經過兩次挑選，最後交配池中存放的染色體規模會等於族群 大小。
3-4-6 交配 (Crossover)
染色體間彼此交換訊息稱作交配。交配是根據機率 進行。挑選出親代(Parent) 進行交配後，會產生新的染色體稱為子代(Child)，接著將產生的子代加進後代池 (offspring pool)。如果不進行交配的時候則直接複製染色體進入後代池。
由於染色體設計是採分割染色體的方式，本文採用的交配方法為 Uniform Crossover。步驟如下:
第一步：
先與染色體相同長度的遮罩(mask)在每個位置隨機填入 0 與 1，
第二步：
從交配池(mating pool) 中按照順序挑選出兩條親代染色體 Parent A、Parent B。
22
當基因位置的遮罩為 0 的時候，Child A 在該位置填入 Parent A 的基因；當基因位置 上的遮罩為 1 的時則填入 Parent B 在該位置的基因。
第三步：
Child B 則是相反與第二步相反，當遮罩為 0 的時候該位置填入 Parent B 的基因；
當遮罩等於 1 的時候則填入 Parent A 的基因(圖 3-6)。
經過不斷交配的過程產生新的子代，當交配池中染色體數量等於族群大小的時候 則停止交配。
mask
0 0 1 1 1 0 0 1 0
Parent A
1 1 1 0 0 1 0 1 1
Parent B
2 3 2 3 3 3 2 3 2
Child A
1 1 2 3 3 1 0 3 1
Child B
2 3 1 0 0 3 2 1 1
圖3-6 Uniform Crossover
3-4-7 突變(Mutation)
在生物演化的過程中，突變可能會帶來進步，所以在遺傳演算法中也模擬這項機 制。在演化過程加入突變的機制可以幫助染色體變化度增加，減少陷入區域最佳解的 (local optimum)問題。「區域最佳解」是指在解空間裡相鄰的解中最好的解，但一般
23
我們會有興趣的是全域最佳解，所以良好的突變設計可以幫助在演化的過程中陷入區 域最佳解。
常見的突變機制有單點突變、雙點突變以及交換突變(swap mutation)，本文採用 的突變方法為單點突變。因為染色體分割成兩段，所以突變時染色體前面三分之一限
制只能突變為早餐類的項目；而後面三分之二的基因位置則是突變午晚餐類的項目。
單點突變做法是照順序從後代池挑出染色體，接著根據機率 對每個基因位置
進行突變，突變完放回後代池中。當後代池中所有的染色體都做過一次突變的程序後，
完成突變的運算子。
3-4-8 穩態選擇 (Steady-State Replacement)
經過選擇、交配、突變等演化過程後，產生新的後代，加上原本的族群中的染色 體一共有兩倍群群大小數量的染色體。穩態選擇要挑選出較佳的個體，組成下一代演 化的族群讓較佳的個體能保留在新的族群中。本研究使用穩態選擇的方法為:
第一步:
挑選所有未重複的非支配解進入下一代，如果數量小於族群大小則執行第二步。
第二步:
將剩餘的非支配解按照適應度排序順序取較佳的個體進入下一代，如果數量小於 族群大小則執行第三步。
第三步:
隨機挑選個體進入下一代直到下一代數量等於族群大小。
在研究的過程中，曾使用另一種穩態選擇方式為按照適應度排序移除適應度較差 的個體，經過實驗後發現產生出來的非支配解超過族群大小，導致過多重複的非支配 解被放入下一代當中，所以經過上述改良後的方法，可以解決重複的非支配解過多，
造成快速收斂於區域最佳解的問題。
3-5.複雜度
在資料庫中早餐種類有 61 種選擇(包含空項目)，而中晚餐有 110 種選擇(包含空 項目)，以正常男性成人所需要約熱量 2000 大卡來說，染色體長度為 9，所以在染色
24
體 分割 中，早餐 長度是 3，另外午晚餐長度是 6。空間複雜度為 ，約為 。
圖3-7 MOGAs流程
Uniform Crossover
Calculate Fitness
Mutation Binary Selection Initial Population
Output
Steady-State Replacement Calculate Fitness
Stop?
25
第四章 實驗及結果
實驗方法分為兩個部分，第一個部分是程式執行結果分析，將實驗結果列成圖表，
顯示各個目標在每一代演化中最大值、最小值、平均值以及目標收斂的的情形。第二 個部分為使用者問卷，因為個人化菜單規劃根據不同的使用者的喜好及目標，會有不 同感受，所以要客觀評估這套系統成效，本文使用問卷的方式進行。
系統環境方面，本系統使用 ASP.net 開發 web 程式及介面；資料庫則是使用 Microsoft SQL Server。資料庫中存有統一超商熟食區以及麵包區的商品共 109 筆資料，
每筆資料都是獨立不重複的，其中早午晚餐類共 60 種午晚餐類共 49。
4-1 實驗設計
本實驗將實際產生菜單分別將每一代所有非支配解(non-dominated solution )中的 四個目標函數值列出，觀察每個目標在演化過程中的收斂的情形。實驗族群大小為 100 以及三種不同熱量需求(1200 大卡/2000 大卡/2800 大卡)，使用者熱量 MOGA 實 驗參數設定如(表 4-1)。實驗使用熱量及三大營養素所含的公克數資訊如(表 4-2) - (表 4-4)。
Parameter value
Population size
100Generation
100Crossover Prob.
0.9Mutation Prob.
0.1表 4-1 MOGA 實驗參數
26
Parameter value
每日所需熱量(kcal) 1200
每日所需蛋白質(g) 45
每日所需脂肪(g) 33
每日所需碳水化合物(g) 180
預算 300
表 4-2 實驗 1 使用熱量及營養素基準
Parameter value
每日所需熱量(kcal) 2000
每日所需蛋白質(g) 75
每日所需脂肪(g) 56
每日所需碳水化合物(g) 300
預算 300
表 4-3 實驗 2 使用熱量及營養素基準
Parameter value
每日所需熱量(kcal) 2800
每日所需蛋白質(g) 105
每日所需脂肪(g) 420
每日所需碳水化合物(g) 78
預算 400
表 4-4 實驗 3 使用熱量及營養素基準
27
4-2 實驗圖表及分析
在四個目標其中，脂肪、蛋白質、碳水化合物三個目標為往小，目標值越接近零 越好，而最後一個花費的目標為越大越好，越大代表越節省使用者花費。
圖4-1 脂肪目標(1200kcal)
圖4-2 蛋白質目標(1200kcal)
0 10 20 30 40 50 60 70 80
0 11 22 33 44 55 66 77 88 99
Objective F value
Generation
min Avg. Max
0 5 10 15 20 25 30 35 40 45 50
0 11 22 33 44 55 66 77 88 99
Objective P value
Generation
min Avg. Max
28
圖4-3 碳水化合物目標(1200kcal)
圖4-4 花費目標(1200kcal)
0 50 100 150 200 250 300
0 11 22 33 44 55 66 77 88 99
Objective C value
Generation
min Avg. Max
-80 -70 -60 -50 -40 -30 -20 -10 10 20 30 40 50 60 70 80 90 0 100 110
0 11 22 33 44 55 66 77 88 99
ObjectivCost value
Generation
min Avg. Max
29
圖4-5 脂肪目標(2000kcal)
圖4-6 蛋白質目標(2000kcal)
0 10 20 30 40 50 60 70 80 90
0 11 22 33 44 55 66 77 88 99
Objective F value
Generation
min Avg. Max
0 5 10 15 20 25 30
0 11 22 33 44 55 66 77 88 99
ObjectivP e value
Generation
min Avg. Max
30
圖4-7 碳水化合物目標(2000kcal)
圖4-8 花費目標(2000kcal)
0 10 20 30 40 50 60 70 80 90 100
0 11 22 33 44 55 66 77 88 99
Objective C value
Generation
min Avg. Max
-90 -80 -70 -60 -50 -40 -30 -20 -10 10 20 30 40 50 60 70 80 90 0 100
0 11 22 33 44 55 66 77 88 99
Objective Cost F value
Generation
min Avg. Max
31
:
圖4-9 脂肪目標(2800kcal)
圖4-10 蛋白質目標(2800kcal)
0 10 20 30 40 50 60 70 80
0 11 22 33 44 55 66 77 88 99
Objective F value
Generation
min Avg. Max
0 10 20 30 40 50 60 70
0 11 22 33 44 55 66 77 88 99
ObjectivP e value
Generation
min Avg. Max
32
圖4-11 碳水化合物目標(2800kcal)
圖4-12 花費目標(2800kcal)
0 20 40 60 80 100 120 140 160
0 11 22 33 44 55 66 77 88 99
Objective C value
Generation
min Avg. Max
-40 -30 -20 -10 10 20 30 40 50 60 70 80 90 0 100 110 120 130 140 150 160 170 180
0 11 22 33 44 55 66 77 88 99
Objective F value
Generation
min Avg. Max
33
在實驗中可以發現，因為使用穩態選擇的方法，所以不管是以哪種熱量基準做實 驗，脂肪、蛋白質、碳水化合物和花費這四個目標，在演化前段就有大幅的收斂，且 收斂速度快，大約能在五十代之前收斂。而收斂的過程當中會有跳動的情況，前段過 程中的跳動原因推測是因為演化過程中，產生的非支配解大於族群大小，而當所有染 色體的適應值都為常數 C 時，在穩態選擇中無法被保留下來。而當目標值都趨近於 最佳值時候的跳動是因為突變產生出新的非支配解，而這些突變產生的非支配解也無 法在演化中存活，所以產生跳動的情形產生。
34
4-3 使用者問卷結果分析
使用者問卷的部分，我們設計了五個問題，除了第一題是非題做為分類外，其他 問題設計是根據使用者使用的情況評分，最低分為 0 分，最高分則為 5 分。問卷有效 樣本為三十份，這五個問題分別是：
問題 1: 您是否使用菜單項目篩選或是特定菜色分類組合的功能?
問題 2: 產生出的菜色組合建議是否符合預期的程度?
問題 3: 您認為產生出來的菜色富有變化嗎?
問題 4: 您認為產生菜單等待時間如何?
問題 5: 您對於本系統整體滿意度如何?
第一個問題設計是將使用者分為兩類，第一類是有使用預先篩選要用那些菜色或 是分類組合成菜單的使用者；第二類為未使用預先篩選用那些菜色分類組合成菜單的 使用者。將兩類分開統計可以看出分類及篩選菜色的功能是否符合使用者需求。
第二個問題是針對使用者對於產生出來的菜色是否符合使用者預期，用來評估演 算法是否能找出合理的組合推薦給使用者，尤其是使用篩選菜色功能的使用者，系統 是否能依照使用者的期待產生出好的菜單是非常重要的。
第三個問題是關於菜單的變化性，在演化過程中因為沒有限制，可能會讓染色體 變化性太小，產生出重複的菜色組合推薦給使用者。
第四個問題是使用者對於菜單產生速度的感受。
第五個問題是綜合評價，讓使用者評估整個系統流程設計以及實用性。
首先，在未使用菜色篩選的使用者問卷部分，問題 2 產生出來的菜色是符合大部 分使用者的情況的，平均有 4.08 分；在菜色變化性也獲得使用者的認同，兩類的使 用者平均分數約在 3.8 分以上。在產生菜單的速度，預設演化是 100 代，如果染色體 長度較長的話，會計算比較慢，整體來說使用者是滿意的。
在有使用預先選擇菜單組合種類的使用者的部分，多數使用者能得到符合預期的 菜單組合建議；另外在對於菜單產生的時間感受方面，因為等待運算時間過久，平均 分數較其他項目來說偏低。
綜合所有使用者的問卷，使用者對於菜色的組合滿意程度佳，但是對於產生菜單
35
的速度還有一定改進的空間，這是未來演算法改進要注意的地方。
問題 2 問題 3. 問題 4 問題 5
Max
5 5 4 5Min
2 3 3 2Avg.
4.08 3.83 3.42 4.33Standard Deviation
1.00 0.72 0.51 0.89表 4-5 未使用菜色篩選功能
問題 2 問題 3. 問題 4 問題 5
Max
5 5 4 5Min
2 2 3 2Avg.
4.15 3.92 3.38 4.15Standard Deviation
0.90 0.95 0.51 0.99表 4-6 使用菜色篩選功能
36
圖4-13 使用者問卷
37
第五章 結論
本文基於統一超商中的熟食區商品做為模型，利用多目標遺傳演算法的方法來組 合出符合使用者營養攝取、口味以及預算的菜單。從實驗中發現，多目標遺傳演算法 擁有良好的搜尋能力，能在短時間內找出適當且富有變化性的組合，推薦給外食族群 當作超商飲食選購的參考。
在使用者實際使用的反應上面，多數的使用者認為本系統可以產生符合他們個人 口味及需求的菜單組合。
本論文提出使用每日所需能量消耗(Total Energy Expenditure, TEE)作為營養攝取 的基礎，相較於其他基於飲食指南所做的研究，更能精準地符合個人適性化的需求。
另外利用使用者預先挑選食品分類以及項目，再進行演化的方法，能節省使用者的時 間，符合外食族要求「迅速」以及「方便」的需求。而相較於使用食譜為基礎的研究，
本論文使用超商熟食商品做為模型，也能符合現代台灣社會中，逐漸改變的飲食習 慣。
未來發展的部分，目前本研究已經建立一個初步的系統，未來有其他相似的問題 模型也可以用同樣的方法解決。例如餐廳菜單組合推薦，或是結合旅遊根據使用者熱 量需求，規劃地方特色小吃的導引等等。可以改進的部分，飲食規劃是一門複雜的學 問，可以考慮的目標非常的多，未來可以加入更多目標項目，讓系統更能針對不同需 求的使用者做出更精確也更符合使用者期望的個人化菜單。
38
參考文獻
[1] 行 政 院 衛 生 署 國 民 健 康 局 網 站 , 外 食 把 握 三 少 三 多 ， 健 康 少 負 擔 , http://www.bhp.doh.gov.tw/bhpnet/portal/PressShow.aspx?No=201204030004, 2012.
[2] 曾嘉怡, 三成網友 三餐老是在外 忽略健康不意外,http://life.trendgo.com.tw /epaper/3972, 2012.
[3] S. S. Gropper, J. L. Smith and J. L. Groff, Advanced Nutrition and Human Metabolism, Cengage Learning, p-291, 2008.
[4] L. Capezuti, E. L. Siegler and M. D. Mezey, The Encyclopedia of Elder Care: The
Comprehensive Resource on Geriatric and Social Care, Springer Publishing Company,
p-98, 2008.[5] Committee on Dietary Allowances, Food and Nutrition Board, Division of Biological Sciences, Assembly of Life Sciences, National Research Council, Recommended Dietary
Allowances 9th, National Academy of Sciences, p-19, 1980.
[6] 劉秀英, 盧義發, 陳維昭, “以現有公式估算中國人基礎代謝率之探討”, 中華 民國營養學會雜誌,19, pp.141-150, 1994.
[7] M. D. Mifflin, S. T. St Jeor, L. A. Hill, B. J. Scott, S. A. Daugherty, and Y. O. Koh, “A new predictive equation for resting energy expenditure in healthy individuals. ”, The American Journal of Clinical Nutrition February, vol. 51 no. 2, pp. 241-247, 1990.
[8] 行政院衛生署食品藥物管理局, 國人膳食營養素參考攝取量 (第七版), 2009.
[9] 陳毓璟, 林宜静, 幼兒營養與膳食, 五南圖書出版股份有限公司, pp. 8-49, 2003.
[10] Leung P, Wanitprapha K, Quinn LA., “A recipe-based, diet-planning modelling sys-tem.”, British Journal of Nutrition, Vol.74, pp.151-162, 1995
[11] S. Y. Ho, L. S. Shu and J. H. Chen, “Intelligent evolutionary algorithms for large parameter optimization problems,” IEEE Transaction on Evolutionary Computation, vol. 8, no. 6, pp. 522- 541, Dec. 2004.
[12] G. Kov´asznai, “Developing an Expert System for Diet Recommendation”, 6th IEEE International Symposium on Applied Computational Intelligence and Informatics, pp.505-509, May. 2011.
[13] 張德明, 吳芳楨, 劉淑芬, “以模糊推論建構營養膳食諮詢系統中配菜功能”, 臺灣營養學會雜誌,Vol.29 No.1, pp.59-71, March 2004.
[14] L. K. DeBruyne, K. Pinna, E. N. Whitney, Nutrition and Diet Therapy, Cengage
39
Learning, pp.169-176, June 2011.
[15] Dan L. Longo, Anthony S. Fauci, Dennis L. Kasper, Stephen L. Hauser, J. Larry Jameson, Joseph Loscalz, Harrison's principles of internal medicine, McGraw-Hill Educa- tion ,pp.1430-1472, July 2004.
[16] 潘文涵, “肥胖定義與肥胖流行病學”, http://www.obesity.org.tw/DB/FatBook /file/1-1.pdf
[17] 卓盛威, 陳春賢, “利用互動式遺傳演算法設計個人化的減重菜單”, 長庚大學資 訊管理研究所, 2008.
[18] 林育潔, 林文修, “演化式計算在個人化健康食譜設計之研究”, 輔仁大學資訊 管理學系, 2007.
[19] P.Leung, K. Wanitprapha, L. A. Quinnz, “A recipe-based, diet-planning modelling system”, British Journal of Nutrition ,vol.74, pp.151-162, Jan. 1995.
[20] Barbara Korousˇic´ Seljak, “Computer-based dietary menu planning”, Journal of Food Composition and Analysis ,vol.22, pp.414–420, 2009.
[21] K. Deb, Multi-objective optimization using evolutionary algorithms, Wiley, 2001.
40
附錄
附錄 1 資料庫項目
編號 一維條碼 分類 早午晚餐 品名
0
0 空 bdl 空1
2025947100550 便當 dl 新國民便當-排骨2
2030097100688 便當 dl 真飽便當-炭烤雞排3
20323578 生菜沙拉 bdl 一日野菜-活力纖果4
20326012 水果 bdl 燕巢芭樂(單入)5
2032821100254 飯糰 bdl 嘉義火雞肉夾心飯糰6
20335960 生菜沙拉 bdl 溏心蛋沙拉佐生菜7
20336813 麵包 bdl 抹茶紅豆蛋糕捲8
2033936100276 飯糰 bdl 沙朗牛肉夾心飯糰9
20344184 飯類 dl 辣油雞肉咖哩飯10
2034601100287 三明治 bdl 鮪魚玉米三明治11
20347352 生菜沙拉 bdl 袋裝凱薩沙拉12
20347376 水果 bdl 四季鮮果盒13
20347871 麵包 bdl 咖啡卡士達蛋糕捲14
20347888 麵包 bdl 香草卡士達布丁捲15
20349325 麵類 dl 新竹肉燥炒米粉16
2034966100304 飯糰 bdl 焗烤鮭魚及上飯糰17
20349776 生菜沙拉 bdl 主廚卡薩沙拉18
2034992100286 三明治 bdl 肉鬆蛋三明治19
2035215100274 飯糰 bdl 明太子起司夾心飯糰20
20355371 生菜沙拉 bdl 溏心蛋洋芋沙拉21
20355425 生菜沙拉 bdl 甜薯沙拉22
20355777 飯類 dl House 爪哇咖哩飯23
20355791 飯類 dl House 佛蒙特咖哩飯24
20355821 飯類 dl 麻婆豆腐燴飯25
20356163 麵包 bdl 日本十勝紅豆雙餡蛋糕26
2035846100353 飯糰 bdl 洋食館-咖哩漢堡排飯 糰27
20359188 湯類 bdl 奶油馬鈴薯濃湯28
20359348 湯類 dl 番茄鮮蔬濃湯29
20359867 麵類 dl 九州豚骨拉麵30
20359980 麵類 dl 紅燒牛肉麵41
31
20360078 粥類 bdl 皮蛋瘦肉粥32
2036036200358 漢堡 bdl 元氣火腿蛋堡33
20360818 粥類 bdl 廣東粥34
20362591 湯鍋 dl 韓國泡菜鍋35
20362683 湯鍋 dl 四川麻辣鍋36
2036286100552 飯類 dl 日本套火風燒肉飯37
2036423100254 飯糰 bdl 泡菜燒肉夾心飯糰38
20366216 湯鍋 dl 薑母鴨39
20366247 麵類 dl 焗烤起司 Q 腸筆管麵40
20366308 麵類 dl 日本味噌燒肉炒麵41
20366315 麵類 dl 奶油培根義大利麵42
20366322 飯類 dl 黃金地中海烤雞焗飯43
20366339 湯類 bdl 山東桂圓銀耳湯44
20366353 麵類 dl 肉醬義大利麵45
20366360 麵類 dl 焗烤鮮蝦義大利麵46
20366483 湯類 bdl 雞蓉玉米濃湯47
20366537 麵類 dl 沙茶牛肉炒麵48
20369590 水果 bdl 高雄鮮脆蜜棗 2 入49
20370077 湯鍋 dl 牛丼壽喜燒50
20370220 麵類 dl 麻油雞麵線51
2037131100307 飯糰 bdl 鮭魚親子及上夾心飯糰52
20372514 麵類 dl 辣味麻醬溫沾麵53
2037460100276 飯糰 bdl 星鰻夾心飯糰54
2037463100389 漢堡 bdl 香草烤雞堡55
20376710 麵類 dl 雞肉咖哩烏龍麵56
20377007 飯類 dl 義大利肉醬蛋包焗飯57
2037701100706 便當 dl 真飽便當辣味香雞排58
20377748 麵類 dl 奶油雞肉義大利麵59
20377939 飯類 dl 紅酒燉牛肉飯60
20377953 飯類 dl 春野菜咖哩飯61
2038425100256 飯糰 bdl 稻荷大豆皮飯糰62
20384395 湯鍋 dl 滷味燙-沙茶63
20384562 湯鍋 dl 滷味燙-麻辣64
20385040 麵類 dl 韓國辣炒烏龍麵65
20385057 麵類 dl 拿坡里義大利麵66
2038606100556 便當 dl 新國民便當-香滷雞腿67
20386115 飯類 dl 廣島三鮮丼68
20386597 涼麵 bdl 新中華涼麵-蒜辣麻醬42
69
20386702 飯類 dl 和風雞排丼70
20386863 涼麵 bdl 真飽涼麵-香辣麻醬71
20389918 飯糰 dl 肉絲炒飯72
2039028100391 飯糰 bdl 海鮮雙手捲(小心魚刺)73
20391904 涼麵 bdl 奈良鮮露蕎麥麵74
2039266100559 便當 dl 日本蔬果烤肉飯75
20396848 生菜沙拉 bdl 泰式雞絲冷麵沙拉76
20398187 涼麵 bdl 韓國泡菜冷烏龍麵77
20398194 涼麵 bdl 豆皮抹茶蕎麥麵78
2041712100303 飯糰 bdl 高麗手捲-鮭魚/燻雞79
20448226 飯類 dl 呷七碗油飯80
2045079100273 飯糰 bdl 雙線飯糰-龍蝦/鮭魚81
2045267100658 便當 dl 奮起湖便當82
2046867200557 便當 dl 新國民便當83
2047309100251 飯糰 bdl 鮪魚夾心飯糰84
20473389 麵包 bdl 7-ELEVEn 浪漫紫芋捲85
20476236 涼麵 bdl 新中華涼麵-蒜辣麻醬86
2048317100233 飯糰 bdl 肉鬆夾心飯糰87
20486112 涼麵 bdl 金剛涼麵-原味麻醬88
20486143 涼麵 dl 金剛涼麵-香辣麻醬89
2048831100504 便當 dl 國民便當90
4710088060679 麵包 bdl HOTSNACK 超級夏威 夷披薩91
4710088492371 水餃 bdl 及第黃金大鍋貼92
4710088491985 水餃 dl 及第豬肉熟水餃93
4710088491992 水餃 dl 及第韭菜熟水餃94
4710095090089 湯類 bdl 珍珠薏仁紅豆湯95
20389772 生菜沙拉 bdl 一日野菜─陽光番茄96
4710088492364 水餃 bdl 及第小籠湯包97
4710088062598 麵包類 bdl 超級番茄起司披薩98
20321291 飯類 bdl 呷七碗傳統粽99
20355852 飯類 dl 烤雞腿油飯100
20386856 麵類 bdl 新中華涼麵-原味麻醬101
20399825 麵類 bdl 新中華涼麵-香辣雞絲102
20390686 生菜沙拉 bdl 一日野菜-五色沙拉103
20385750 生菜沙拉 bdl 一日野菜-十二鮮蔬104
20391928 生菜沙拉 bdl 一日野菜-纖果萵苣105
2039990100603 便當 dl 養身便當-香草烤雞43
