马铃薯果蔬复合饮料配方的研制

采用东北优质黄瓤马铃薯为主要原料,配以哈密瓜、胡萝卜和柠檬等新鲜果蔬,再添加适量食品添加剂,经调制、均质、杀菌等过程加工处理,配制成均匀稳定且口感较好的果蔬复合饮料。试验中采用单因素与正交试验对饮料配方进行设计、调整、优化,然后经感官评价确定饮料的最佳配方。经试验和感官评价结果得出马铃薯果蔬复合饮料的最佳配方为:浓度40%的马铃薯汁40mL,浓度30%的哈密瓜汁30mL,浓度20%的胡萝卜汁20mL,浓度10%的柠檬汁10mL,浓度20%的蛋白糖0.8mL,浓度20%的白砂糖0.5mL和黄原胶0.01g。该配方在注重马铃薯和新鲜果蔬营养搭配的基础上基本解决了马铃薯汁易褐变、易分层、口感欠佳等问题,是一款既美味可口又具有健胃养胃功效的复合饮料。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。