Inteligência artificial aplicada ao desenvolvimento de dieta nutricional

Autores

  • Fernando José Portella Universidade de Uberaba - UNIUBE, Brasil
  • Lucas Rodrigues da Silva Universidade de Uberaba - Uniube, Brasil
  • Rafael Henrique Borges Universidade de Uberaba - Uniube, Brasil
  • Luiz Fernando Ribeiro de Paiva Universidade de Uberaba - Uniube, Brasil
  • Roberto Silva Araújo Assis Universidade de Uberaba - Uniube, Brasil
  • Florisvaldo Cardozo Bomfim Júnior Universidade de Uberaba - Uniube, Brasil

DOI:

https://doi.org/10.31496/retii.v1i1.1713

Palavras-chave:

Inteligência Artificial, Algoritmos Genéticos, Dieta alimentar, Scilab

Resumo

O presente estudo se refere à utilização de algoritmos genéticos no desenvolvimento de um programa voltado à realização de cálculos de otimização dos custos de dieta alimentar, buscando apresentar melhor o equilíbrio dos alimentos de acordo com as quantidades de proteínas, gorduras e carboidratos previamente sugeridas. A alimentação equilibrada é um dos principais fatores relacionados à construção de uma boa saúde e à prevenção de doenças. A base de informações dos alimentos utilizados foi desenvolvida a partir de um plano alimentar recomendado a um paciente por uma nutricionista. A partir dos dados do referido plano alimentar, foi elaborada a composição inicial de alimentos, que foi organizada em uma Planilha de Cálculo. Para elaboração do algoritmo genético, utilizou-se o software científico Scilab, que é semelhante a outro software amplamente utilizado, o Matlab. Ao executar o programa, surge no Console do Scilab uma lista de alimentos, vinda da planilha importada, para que o usuário possa escolher os alimentos que irão compor a refeição, conforme suas necessidades. Após a seleção dos alimentos e das escolhas do usuário, o programa inicia o processo de cálculo utilizando um Algoritmo Genético (AG). Após o fim da execução do programa, são apresentados no Console do Scilab os resultados dos cálculos. As saídas correspondem aos melhores indivíduos gerados pelo AG, a partir dos cálculos executados a cada geração.

Biografia do Autor

Luiz Fernando Ribeiro de Paiva, Universidade de Uberaba - Uniube, Brasil

Doutor em Educação pela Universidade de Uberaba (UNIUBE). Mestre em Ciência da Informação pela Pontifícia Universidade Católica de Campinas (PUC-CAMPINAS). Especialista em Avaliação na Educação Superior (UnB). Especialista em Análise de Sistemas (UNAERP). Possui aperfeiçoamento em Educação a Distância (UNIUBE). Tecnólogo em Processamento de Dados pela Universidade de Uberaba (UNIUBE). Gestor dos cursos Sistemas de Informação, Jogos Digitais e Análise e Desenvolvimento de Sistemas da UNIUBE. Analista de sistemas na Companhia de Desenvolvimento de Informática de Uberaba. Possui experiência nas áreas de Sistemas de Informação, Ensino Superior e Educação a Distância.

Roberto Silva Araújo Assis, Universidade de Uberaba - Uniube, Brasil

Possui graduação em sistemas de informação pela Universidade de Uberaba (2005) e mestrado em MESTRADO PROFISSIONAL EM ENGENHARIA QUÍMICA pela Universidade de Uberaba (2021). Atualmente é professor titular da Universidade de Uberaba e gerente de TI (desenvolvimento) da Universidade de Uberaba. Tem experiência na área de Ciência da Computação, com ênfase em Ciência da Computação, atuando principalmente nos seguintes temas: licenciamento, forense digital, universidade, educação a distância e contratos de ti.

Florisvaldo Cardozo Bomfim Júnior, Universidade de Uberaba - Uniube, Brasil

Engenheiro de Automação atuante no desenvolvendo softwares e ferramentas de inteligência artificial (Algoritmos Genéticos, Redes Neurais Artificiais e Lógica Fuzzy) com o objetivo de aperfeiçoamento de processos e produtos industriais, desenvolvendo lógicas de controle e automação para CLPs. Professor presencial e EAD dos cursos de tecnologias, nas áreas de sistema de controle, modelagem de processos industriais, sistema de controle avançado, inteligência artificial e instalações elétricas, formado em engenharia de computação e engenharia elétrica ambas com ênfase em automação industrial, especialista em geração de energia na área de biodigestores, doutorando e mestre em engenharia elétrica na área de inteligência artificial aplicada.

Referências

DEB, Kalyanmoy; AGRAWAL, Ram Bhushan. Simulated binary crossover for continuous search space. Complex Systems, India, n. 9, n. 2, p. 115-148, 1995, Disponível em: https://content.wolfram.com/uploads/sites/13/2018/02/092-2.pdf. Acesso em: 22 dez. 2022.

DEB, Kalyanmoy; SINDHYA, Karthik; OKABE, Tatsuya. Self-adaptive simulated binary crossover for real-parameter optimization. GECCO '07: Proceedings of the 9th annual conference on Genetic and evolutionary computation, Lisboa, p. 1187-1194, 2007. Disponível em: https://dl.acm.org/doi/10.1145/1276958.1277190. Acesso em: 01 mar. 2023.

HOLLAND, J.H. Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor. The MIT Press, 1975.

KATO, Rodrigo. Algoritmos Genéticos. Bioinfo, 2021. Disponível em: https://bioinfo.com.br/algoritmos-geneticos/. Acesso em: 02 jun. 2023.

LINDEN, Ricardo. Algoritmos genéticos. 3. ed. Rio de Janeiro: Editora Moderna Ltda., 2012.

PACHECO, Marco Aurélio Cavalcanti. Algoritmos genéticos: princípios e aplicações. Rio de Janeiro: Laboratório de Inteligência Computacional Aplicada, 1999. Disponível em: http://www.inf.ufsc.br/~mauro.roisenberg/ine5377/CursosICA/CE-intro_apost.pdf. Acesso em: 8 dez. 2022.

RECINE,Elisabetta; RADAELLI, Patrícia. Alimentação saudável. Brasília: Ministério da Saúde. Secretaria de Políticas de Saúde. Departamento de Atenção Básica. Área Técnica Alimentação e Nutrição Universidade de Brasília. Faculdade de Ciências da Saúde. Departamento de Nutrição, 2002. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/alimentacao_saudavel.pdf. Acesso em: 31 mar. 2023.

SILVA, Ivan et al. Redes neurais artificiais para engenharia e ciências aplicadas: curso prático. 2. ed. São Paulo: Artliber Editora Ltda, 2010.

VITAT. Vitat - Busca por informações relativas a alimentos. Higienopolis (SP): Vitat, 2023. Disponível em: https://vitat.com.br/alimentacao/busca-dealimentos. Acesso em: 27 maio 2023.

Capa da Revista de Engenharia, Tecnologia da Informação e Inovação

Downloads

Publicado

2024-08-20

Como Citar

Portella, F. J., Silva, L. R. da, Borges, R. H., Paiva, L. F. R. de, Assis, R. S. A., & Bomfim Júnior, F. C. (2024). Inteligência artificial aplicada ao desenvolvimento de dieta nutricional. Revista De Engenharia, TI E Inovação, 1(1), 1–17. https://doi.org/10.31496/retii.v1i1.1713

Edição

v. 1 n. 1 (2024): Publicação Contínua - ISSN: 2966-2508

Seção

Artigos

Licença

Os textos submetidos e aprovados pelo Conselho Editorial da RETII serão publicados, e seus autores poderão dispor deles para posteriores publicações, sempre fazendo constar a edição original (título, Revista de Engenharia, TI e Inovação, volume, número, ano de publicação e paginação do texto referido). Todos os artigos dessa Revista são de inteira responsabilidade de seus autores, não cabendo qualquer responsabilidade legal sobre seu conteúdo à Revista ou à Universidade de Uberaba.

Artigos mais lidos pelo mesmo(s) autor(es)