本文研究并实现了针对疾病的营养膳食配餐。主要研究了优化算法及其在疾病与营养膳食优选中的应用。在对营养师实际配餐原理及流程进行模拟的过程中,应用优化算法解决了疾病与营养膳食优选证据复杂、因素不确定等问题,算法的应用实现了智能化优选配餐。模拟退火算法在疾病与营养膳食配餐领域的研究与实现为计算机应用开辟了新的空间。论文的研究主要包括以下几个方面:首先,建立了疾病与营养膳食的贝叶斯网络模型,通过对贝叶斯网络的推理得到联合后验概率,对概率值的优选实现了针对合并症患者的选菜,并且本论文最终实现了针对合并症患者的配餐;确立了系统的实现目标。通过对实现目标的分析划分了系统的功能模块;建立了疾病与营养膳食数据库,并对其中数据进行丰富,这为模拟退火算法参数值的确定提供了重要的参考依据;应用不确定性推理方法对疾病与营养膳食数据库进行了知识发现,这一过程作为针对疾病配餐的一个步骤为模拟退火算法的应用提供了解空间。然后,通过对算法的研究与改进确立了有记忆的模拟退火算法在疾病与营养膳食优选中的应用,实现了算法目标函数及重要参数值的确定,并对算法的实现步骤进行了描述。应用改进的模拟退火算法最终实现了针对疾病患者的个体化精确配餐。最后,对疾病与营养膳食优选算法进行了计算机仿真实验,并对仿真结果进行了对比分析。通过实验证明,应用改进的有记忆的模拟退火算法提高了营养膳食优选速度,得到的配餐结果明显优于传统的搜索方法。且在理论上证明其相对于标准的模拟退火算法有更快的收敛速度及很强的脱离局部极值点和避免过早收敛的全局优化能力。