La planificación de comidas ha sido durante siglos un problema de optimización en operaciones de investigación, pero hasta ahora no había una solución que abordara de manera efectiva ambas limitaciones: variables continuas que producen porciones imprácticas (1.7 huevos, 0.37 plátanos) y restricciones nutricionales duras que causan incompatibilidad cuando los objetivos entran en conflicto.
Actualmente, se estima que la mayoría de las personas no cumplen con las recomendaciones nutricionales diarias, lo que puede llevar a problemas de salud a largo plazo. La razón principal es la falta de información y la complejidad en la planificación de comidas saludables. Sin embargo, la Inteligencia Artificial (IA) está cambiando el juego. Los investigadores han propuesto un nuevo enfoque llamado Programación Mista de Objetivos con Granularidad de Servicio Personalizada (MIGP en inglés), que combina la programación de enteros con la programación de objetivos para abordar ambas limitaciones.
El enfoque MIGP utiliza variables enteras para porciones prácticas y programación de objetivos para objetivos nutricionales suaves, con normalización de inversa del objetivo para equilibrar la optimización de múltiples nutrientes. Esto permite unidades naturales (un huevo, un cucharada de aceite) sin necesidad de redondeo posterior. El equipo de investigadores que desarrolló el MIGP identificó una propiedad de absorción de desviación: las variables de desviación de la programación de objetivos amortiguan el costo de requerir porciones enteras, lo que hace que el rendimiento de la programación de enteros sea estructuralmente menor que en la programación de restricciones duras.
Un estudio reciente evaluó la eficacia del MIGP en la planificación de comidas, comparándolo con la programación de objetivos (GP) con redondeo posterior y la programación de restricciones duras (IP). Los resultados mostraron que el MIGP encuentra soluciones estrictamente mejores que la GP en el 66% de los casos (nunca peor) mientras mantiene la 100% de la viabilidad; la IP logra solo el 48%. El tiempo de solución se mantiene por debajo de los 100 ms para tamaños de comidas típicos utilizando el solucionador abierto HiGHS.
La implementación del MIGP está disponible como un módulo de Python abierto y se ha integrado en una aplicación interactiva de planificación de comidas. Esto significa que los usuarios pueden acceder de manera fácil y gratuita a una herramienta que les permita planificar comidas saludables y personalizadas, sin necesidad de ser expertos en nutrición o programación.
La adopción del MIGP en la planificación de comidas puede tener un impacto significativo en la salud pública, al ayudar a las personas a tomar decisiones informadas sobre su nutrición. Además, la integración de la IA en la planificación de comidas puede llevar a la creación de aplicaciones más avanzadas y personalizadas, que consideren no solo la nutrición, sino también otros factores como el estilo de vida y la genética.
En resumen, la Inteligencia Artificial está revolucionando la planificación de comidas con el enfoque MIGP. Esta tecnología innovadora ofrece soluciones personalizadas y prácticas para la planificación de comidas saludables, sin necesidad de recurrir a porciones fraccionarias o a la imposibilidad de alcanzar los objetivos nutricionales. Es hora de aprovechar las posibilidades de la IA en la planificación de comidas y mejorar la salud de nuestras comunidades.
