[发明专利]基于动态智能算法的宠物喂养方法及系统

摘要

本发明提供了一种基于动态智能算法的宠物喂养方法及系统，其中的方法包括：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量、当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量；在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；利用MOEA/D算法对宠物喂养模型进行优化，获得决策变量的一组最优解；将决策变量的该组最优解作为宠物的推荐决策X^*通过服务器下发至用户的终端设备进行显示；用户根据终端设备显示的推荐决策X^*喂食宠物。利用本发明能够确定最优的宠物喂养方案，为宠物营造了更好的生活环境。

主权项

1.一种基于动态智能算法的宠物喂养方法，其特征在于，包括如下步骤：步骤S1：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量、当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，所述喂食类型和所述喂食量构成决策变量；步骤S2：在所述服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；其中，所述宠物喂养模型中X_k＝[x_k1,x_k2,L,x_kM](k＝1,2,L,S)为输入样本，S为训练样本的个数，W_MI(g)为第g次迭代时输入层M与隐层I之间的权值矢量，W_JP(g)为第g次迭代时隐层J与输出层P之间的权值矢量，W_JC(g)为第g次迭代时隐层J与承接层C之间的权值矢量，Y_k(g)＝[y_k1(g),y_k2(g),L,y_kP(g)](k＝1,2,L,S)为第g次迭代时的实际输出，d_k＝[d_k1,d_k2,L,d_kP](k＝1,2,L,S)为期望输出；以及，建立所述宠物喂养模型的步骤包括：步骤S21：初始化，设迭代次数g初值为0，分别赋给W_MI(0)、W_JP(0)、W_JC(0)一个(0,1)区间的随机值；步骤S22：随机输入样本X_k；步骤S23：对输入样本X_k，前向计算所述Elman神经网络每层神经元的实际输出Y_k(g)；步骤S24：根据期望输出d_k和实际输出Y_k(g)，计算误差E(g)；步骤S25：判断误差E(g)是否小于预设的误差值，如果大于或等于，进入步骤S26，如果小于，则进入步骤S29；步骤S26：判断迭代次数g+1是否大于最大迭代次数，如果大于，进入步骤S29，否则，进入步骤S27；步骤S27：对输入样本X_k反向计算所述Elman神经网络每层神经元的局部梯度δ；步骤S28：计算权值修正量ΔW，并修正权值；令g＝g+1，跳转至步骤S23；其中，ΔW_ij＝η·δ_ij，η为学习效率；W_ij(g+1)＝W_ij(g)+ΔW_ij(g)；步骤S29：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22；步骤S3：利用MOEA/D算法对所述宠物喂养模型进行优化，获得所述决策变量的一组最优解；其中，利用MOEA/D算法对所述宠物喂养模型进行优化的步骤，包括：步骤S31：初始化所述宠物喂养模型；其中，步骤S31包括：步骤S311：将待优化的多个目标分解为N个单目标，并对每个单目标赋予权重(λ₁,λ₂,…λ_N)；步骤S312：计算任意两个权重的欧式距离B(i)，对于每个i＝1，2，…N，令B(i)＝{i₁,i₂,…i_T}，则为距离权重向量λⁱ最近的T个权重；步骤S313：初始化种群x¹L x^N的初始化目标函数最佳值z＝(z₁,...z_m)T，Z_i＝min{f_i(x¹)，...f_i(x^N)}，设置外部存档EP为空；步骤S32：对单个待优化目标最优值进行重复计算，每次产生的新向量更加接近多目标优化的最优值；步骤S321：从B(i)中随机选取两个序列号为k和l的子向量，利用遗传算子有x^k，x¹产生一个新的解y，并对解y利用基于测试问题的修复和改进启发产生y'；步骤S322：对于j＝1，...m，如果Z_i＜f_j(y')，则令Z_i＝f_j(y')；步骤S323：对于j∈B(i)，如果g^te(y'/λ^j，Z)≤g^te(x/λ^j，Z)，则令x^j＝y'，FV^j＝F(y^j)，其中g^te(x/λ^j,z)表示第j个子问题的目标函数，利用切比雪夫法将多目标优化分解为N个标量优化子问题，具体表达式为：其中，FV为x的目标函数，FVⁱ＝F(xⁱ)，FVⁱ是xⁱ的F值；步骤S324：从外部存档EP中移出所有被F(y')支配的向量，加入所有不被支配的F(y')；步骤S33：判断迭代次数是否达到预设的上限，如果达到，则输出外部存档EP的值，并作为所述决策变量的一组最优解；如果未达到，则返回步骤S32；步骤S4：将所述决策变量的该组最优解作为所述宠物的推荐决策X^*通过所述服务器下发至用户的终端设备进行显示；步骤S5：所述用户根据所述终端设备显示的推荐决策X^*喂食所述宠物。