1.一种基于人工雨滴算法的运动减肥参数的调整方法，其特征在于，具体按以下步骤实施：步骤1，获取运动者初始信息，根据初始信息计算得出运动者基础消耗，确定运动者日常活动系数以及日常消耗量，具体按以下步骤实施：步骤1.1，获取运动者初始信息，根据性别gender、体重W、身高H以及年龄A计算得出运动者基础能量消耗BMR，如下式(1)、(2)：Male：BMR＝66.5+13.7×W+5.0×H‑6.8×A    (1)Female：BMR＝655.1+9.56×W+1.85×H‑4.86×A  (2)步骤1.2，根据运动者的基础信息，计算求出运动者的日常活动系数μ；活动系数影响因素：工作时长、久坐时间、休闲方式、行业领域、通勤时间、通勤交通方式；

根据影响因素确定权重分配θi，确定不同因素运动者所占强度比重，日常消耗量公式如下式(3)，xi为运动者每个影响因素的强度等级，x为影响因素的最高等级，θi为每个影响因素所占权重，且 μ为运动者日常活动系数，L为活动系数影响因素的个数：步骤1.3，根据步骤1.1和步骤1.2计算运动者日常消耗量WB，如下式(4)：WB＝BMR×μ            (4)；

步骤2，根据步骤1得到的信息，确定运动者的运动参数即运动强度、运动时间、运动频率的范围；

步骤3，根据运动者信息，计算得出运动者所能承受运动量的最大值；

步骤4，根据运动者的基础信息，计算出运动者运动减肥的每个周期应该达到的负平衡热量，具体按以下步骤实施：根据用户的基础信息经过计算确定用户的运动目标；具体为：

步骤4.1，根据运动者的身高和当前体重Wbefore、标准BMI计算出运动者标准BMI时应达到的体重Wafter，即运动者使用减肥运动处方之后应达到的体重，当运动者的BMI＞23.9时，则采用标准BMI＝23进行计算，当运动者的BMI＜23.9时，采用标准BMI为18.5进行计算，如果运动者的BMI＜18.5时，运动者为偏瘦状态，不适用减肥运动处方，具体如下式：2

Wafter＝BMIH              (6)式中，BMI的计算方法为： H为运动者的身高；

步骤4.2，计算运动者的运动目标：应减重量wreduce，以及每周的理想运动消耗量Wc，具体为：Wreduce＝Wafter‑Wbefore           (7)式中，WB为日常消耗量，T为卡路里摄入量，当运动者的应减重量小于12KG时，运动周期为12周，因为成年人每周减轻体重需小于1KG，所以当运动者的应减重量大于12KG时，按照每周负平衡热量达到7700kcal进行运动消耗量的确定；

步骤5，根据步骤1运动者的信息，计算得出运动者减肥的最佳负平衡热量，并根据步骤

2得到的运动参数范围，确定减肥参数的期望达成目标函数，具体按以下步骤实施：步骤5.1，根据运动时间t、运动强度s、运动频率f以及运动者的性别gender、年龄A、体重W可计算出运动者一个周期的运动消耗量Ws；单位时间的运动消耗G如下式(9)：当运动者为男性时gender＝1，当运动者为女性时gender＝0；

一个周期的运动消耗量Ws可用公式(10)来计算求出，其中ω1＝ω3＝0.2、ω1、ω3分别为运动前期、后期的时间配比，ω2＝0.6为运动中期的时间配比：f为一个周期的运动次数，n为运动阶段的个数，n为3，分别求出代表运动前、中、后期的运动消耗量G，进行累加；

步骤5.2，负平衡热量计算方式采用：负平衡Wf＝运动消耗量+日常消耗量‑摄入量，WI为运动者每天的摄入热量，n为运动阶段的个数：步骤5.3，定义负平衡热量期望达成度H函数，符合正态分布，为公式(12)：β为正向的敏感系数，β＝0.005，Wc为步骤4确定的每周的理想运动消耗量；

步骤5.4，定义约束条件，因为运动减肥消耗量大部分来自中期运动，所以模拟用户预期采用运动中期的运动强度，所求的中期运动强度和运动时间(s2，t2)与用户运动预期的运动强度和运动时间(se，te)的相似度必须满足一定的值，θ为用户预期和所求值的相似度：总运动量需小于运动者最大运动量，s1，s2，s3分别为运动前期、中期、后期运动强度，se，te分别为用户运动预期的运动强度和运动时间，f2为中期运动时间；

步骤5.5，将步骤5.4定义的约束条件作为惩罚函数加入适应度函数中，适应度函数定义为式(15)，k为惩罚因子：步骤6，采用人工雨滴算法进行优化步骤5得出的目标函数，求出运动减肥的参数，具体按以下步骤实施：采用人工雨滴算法进行参数优化，适应度函数值定义为势能，找到符合条件的最优的势能最高值：步骤6.1，初始化：设置运动参数组合个数m组，每组均包括运动前期强度s1，运动中期强度s2，运动后期强度s3，运动时间t，运动频率f，且运动前期强度s1，运动中期强度s2，运动后期强度s3、运动时间t、运动频率f分别在各自范围内进行随机生成，即为初始水汽NP，设置种群最大迭代次数设为Q次，初始迭代次数q＝0，最高势能停滞次数初始化：B＝0，最大停滞次数设为S_numbers＝10，最大流动次数F_times＝3；

步骤6.2，定义雨滴池rain_pool，雨滴池的大小为S，用来存放每次迭代之后势能最高的雨滴，计算出本代所有雨滴的势能，把势能最高的雨滴放入雨滴池中；

步骤6.3，对所有水汽操作形成大雨滴 为第i代水汽种群的第k个水汽的第1维参数：

步骤6.4，对步骤6.3得到的大雨滴进行碰撞操作，得到m个小雨滴；如公式(17)所示：为大雨滴碰撞生成的小雨滴， 为水汽中随机选出的水汽，α为(0，1)的随机值，根据高斯分布生成：

步骤6.5，判断B是否等于S_numbers，若B＝S_numbers，则停滞10次，跳转步骤6.7，若B＜S_numbers，则跳转步骤6.6；

步骤6.6，根据步骤6.4碰撞得到的小雨滴进行雨滴的流动操作，定义雨滴流动算子：记G录迭代中势能最高的雨滴Ptallest，并从雨滴池中随机选出一个雨滴 两个流动方向d1，d2共同引导雨滴的流动方向d；

流动方向：

d＝τ1·rand1·d1+τ2·rand2·d2    (20)τ1，τ2分别为d1，d2方向的流动因子，设置流动因子为动态流动因子；

计算求出当前代所有雨滴势能最高值Imax和势能最低值Imin，以及当前雨滴势能I，求出离势能最高值的距离dis，并进行归一化处理，采用公式：

1.39dis

τ1＝0.5*dis*e +2        (21)

1.59(1‑dis)

τ2＝0.405*(1‑dis)*e +1      (22)小雨滴依据流动方向流动到新的位置，并记录流动次数times++：步骤6.7，最高势能的更新停滞10次，对雨滴进行反向学习，记录本代雨滴势能最低的G G G G雨滴Plowest 和本代势能最低的水汽Vlowest，采用Plowest，Vlowest进行反向引导流动方向：流动方向：

d＝τ1·rand1·d1+τ2·rand2·d2    (26)小雨滴依据流动方向流动到新的位置，并记录流动次数times++：步骤6.8，如果经过步骤6.6或步骤6.7流动之后的雨滴势能比流动之前高，则进行下一步，如果流动之后势能没有增大，则再次进行步骤6.6或步骤6.7的操作，当times＝3时，进行下一步操作；

步骤6.9，更新雨滴池，如果雨滴池的满了，即雨滴池的雨滴达到了S，则在雨滴池中随机选择一个雨滴去除，计算本代流动之后的雨滴势能，把势能最高的雨滴放入雨滴池；如果雨滴池未满，直接把势能最高的雨滴放入雨滴池，迭代次数q加1；

步骤6.10，判断最高势能的更新是否停滞，若停滞则B＝B+1，若未停滞，则B＝0；

步骤6.11，将本代水汽和流动之后的雨滴一起根据势能值由小到大做冒泡排序，取后m个组合作为下一代水汽；

步骤6.12，判断迭代次数q是否小于Q，如果小于Q，则跳转到步骤5.2开始继续重复操作，如果否则跳转到步骤6.13；

步骤6.13，输出最后一代雨滴中势能最高的雨滴的一组向量，向量每个维度的值即为[s1，s2，s3，t，f]；

步骤7，完成运动减肥参数的调整，具体按以下步骤实施：

根据步骤6得出的一组[s1，s2，s3，t，f]，运动前期强度s1，运动中期强度s2，运动后期强度s3，运动时间t，运动频率f作为最后的输出结果，即为运动者运动减肥的个性化参数。

2.根据权利要求1所示的一种基于人工雨滴算法的运动减肥参数的调整方法，其特征在于，所述步骤2具体按以下步骤实施：步骤2.1，运动过程分为三个阶段，运动前期、运动中期、运动后期；运动前期，强度较低、时间较短；运动中期：强度较高、时间较长；运动后期，强度较低、时间较短；

步骤2.2，运动强度：减肥燃脂效率最高的心率范围为最大心率的60％～80％；前期、后期运动强度相对较低，范围定为小于最大心率的60％～70％；中期运动强度相对较高，范围定为大于最大心率的70％～80％；

运动时间分为三段，运动前期：ω1t、运动中期：ω2t、运动后期：ω3t；其中ω1＝ω3＝

0.2、ω1、ω3分别为运动前期、后期的时间配比；ω2＝0.6为运动中期的时间配比；总时间t＝ω1t+ω2t+ω3t；时间范围：tmin≤t≤tmax；tmin为运动减脂的有效期最短时间，tmax为运动者所能接受最大时间。

3.根据权利要求1所示的一种基于人工雨滴算法的运动减肥参数的调整方法，其特征在于，所述步骤3具体按以下步骤实施：步骤3.1，根据运动者信息，计算得出运动者所能承受运动量的最大值，运动者最大运动量根据运动者历史运动反馈数据即运动强度和运动时间计算求出，根据RPE疲劳度等级判断运动者所能承受强度和运动时间的最大量，采用疲劳度等级为17级为运动者所能承受极限值，疲劳度等级为17级时运动者的心率为运动者的最大运动强度smax，获取运动者初始信息，每次运动的最长时间tmax；

步骤3.2，根据步骤3.1得到的最大运动强度smax，最长时间tmax，由公式(5)可计算得出运动者每次运动的最大运动量N；

N＝smax×tmax            (5)。