研究人员提出了一种跨学科优化框架，将食谱设计视为多目标优化问题，集成了工艺、运营和营养三个领域。该框架以高蛋白肉丸配方开发为案例，在成分和工艺约束下组合四种配料，同时优化六个目标：生产成本、生产时间、总体风味、酸度、能量密度和蛋白质密度。感官属性由基于实验设计和感官评价数据训练的代理函数建模，可在优化过程中快速评分候选配方。系统与营养属性关联至数字食品身份证(Digital Food Identity Card, DFIC)，提供配料特异性信息（如成本、烹饪时间和营养组成），实现动态配料替代及配方对价格波动和供应变化的自适应调整。研究人员采用定制多目标进化算法生成六维帕累托(Pareto)集，并通过基于等边四边形环的新型表征方法Quad2Quad实现可视化。这种先进的Pareto前沿可视化增强了目标间权衡的可解释性，支持识别跨三个领域（工艺、运营和营养）的平衡解决方案。案例研究表明，该框架可帮助食品开发人员设计出营养密集、感官可接受、经济可行且能适应供应链波动的食谱。
研究背景与意义
当前食品系统面临巨大压力，需同时满足营养平衡、感官吸引、价格亲民与环境可持续等多重目标。全球膳食模式持续转变，尤其表现为对富含蛋白质食品的旺盛需求，而区域间人均肉类消费差异显著，欧洲、北美、南美洲和大洋洲的中位数消费量居高不下。肉类生产作为资源密集型农业活动，贡献了大量温室气体排放、土地利用变化与水资源消耗，凸显了食品系统对动物蛋白的结构性依赖。在此背景下，开发植物基等替代蛋白源成为缓解环境压力同时保持营养充足的重要策略。然而，现有食品工程领域的配方优化研究通常孤立处理成本、感官质量、营养价值或可持续性中的单一或少数几个方面，或仅限制在两个至三个目标内，难以探索现实中的复杂权衡关系。此外，传统优化常将营养视为刚性约束而非可优化的目标，且高维帕累托(Pareto)前沿因“维度灾难”导致可视化与决策困难。因此，亟需一种能够整合多领域目标、支持动态适应并具备高维结果可解释性的系统化配方设计方法。本研究成果发表于《Applied Food Research》。
关键技术方法
研究人员首先构建了包含工艺域（总体风味、酸度）、运营域（成本、生产时间）和营养域（能量密度、蛋白质密度）的六目标优化问题，决策变量为肉、苹果浆、灰豌豆和扁豆的质量分数，并引入基于数字食品身份证(Digital Food Identity Card, DFIC)的动态配料属性数据库。为解决高维优化中的可视化难题，创新性地开发了基于等边四边形环的Quad2Quad几何映射方法，实现跨面板一致坐标下的多维权衡追踪。在算法层面，采用改进的非支配排序遗传算法(NSGA-II)，结合基于实验设计(Design of Experiments, DOE)的初始种群生成、高斯过程(Gaussian Process, GP)与径向基函数(Radial Basis Function, RBF)构建的感官属性代理模型，以及领域特异性惩罚函数处理约束。案例研究通过13组肉丸配方实验（51至53人感官评测，Cronbach's α > 0.92证实面板一致性良好）训练并验证了代理模型（决定系数R2达0.81-0.88）。
研究结果
- 1.
帕累托(Pareto)前沿结构与可视化
传统平行坐标与雷达图在高维目标下存在线条交叉杂乱、空间关系丢失及视觉拥挤等问题，难以识别权衡模式。Quad2Quad表征将六组目标对嵌入连续环形面板，各面板共享统一局部坐标系，通过双线性插值实现全局-局部坐标映射。该结构保留了邻近关系，支持“以设计为圆心”的跨目标空间追踪，使开发人员能直观观察同一配方在不同目标对中的表现位置及其权衡关系。
- 2.
帕累托最优解分布与决策
帕累托解在目标空间中呈非均匀分布，极端区域（如低成本、高风味、短生产时间共存）稀疏，证实了目标间的竞争性。框架引入两个全局目标进行正则化：一是最小化至Quad2Quad环中心的欧氏距离（代表跨领域平衡性），二是最大化有效设计数量（保障可行性）。相较于标准多目标优化产生大量边际非支配解，该方法获得了结构紧凑、多样性好（分布均匀度0.41）且可解释的解集，便于后续决策筛选。
- 3.
动态数字食品身份证(DFIC)场景对帕累托前沿结构的影响
场景模拟显示DFIC参数变化显著重塑可行解空间。肉类库存短缺时，前沿向植物基替代方案偏移；肉类与灰豌豆供应同时受限时，前沿收缩并由扁豆、苹果浆与适量肉类主导；消费者偏好转向植物蛋白时，前沿重新定向至高营养密度的植物重配方。这证明框架能响应供应链与需求变化，实现动态配方重构。
讨论与结论
研究人员通过Quad2Quad可视化解析了跨领域权衡规律：高风味评分常与高成本、长生产时间相关联；高蛋白与高能量密度配方多集中于中档风味区域；存在一批在所有面板均保持中高表现的稳健中间型方案。灰豌豆被识别出可作为肉类部分替代品，在维持多目标性能的同时降低动物蛋白依赖。消融实验证实，移除DFIC组件导致超体积(Hypervolume, HV)从0.83降至0.56，移除Quad2Quad则使收敛至HV=0.70所需评估次数从53,000激增至679,000，表明各组件均不可或缺。该框架突破了传统低维优化的局限，首次在食品配方设计中实现了工艺、运营与营养领域的六目标同步优化与直观解析。其模块化设计支持扩展更多目标（如环境影响、货架期），适用于早期产品开发阶段的配方筛选、替代蛋白应用及供应链韧性提升，为食品工程提供了兼具计算效率与决策透明度的通用型多目标优化范式。
