发明名称 |
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<sup>*</sup>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<sup>*</sup>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。 |
申请公布号 |
CN106472332A |
申请公布日期 |
2017.03.08 |
申请号 |
CN201610883991.1 |
申请日期 |
2016.10.10 |
申请人 |
重庆科技学院 |
发明人 |
易军;李家庆;陈实;李晓亮;白竣仁;吴凌;杜明华;唐海红;李太福 |
分类号 |
A01K5/00(2006.01)I;G06N3/02(2006.01)I |
主分类号 |
A01K5/00(2006.01)I |
代理机构 |
重庆蕴博君晟知识产权代理事务所(普通合伙) 50223 |
代理人 |
王玉芝;杨明 |
主权项 |
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;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;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<sup>*</sup>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<sup>*</sup>喂食所述宠物。 |
地址 |
401331 重庆市沙坪坝区大学城东路20号 |