目前,肥胖症患者以及与肥胖相关的慢性病患者在不断增加,给人们生活带来了极大的痛苦。现阶段的药物治疗不但给患者带来了巨大的经济负担而且还出现了有关药物使用的安全性问题,因此饮食限制治疗肥胖方案越来越被广泛关注,尤其是时间限制进食饮食方案。由于肥胖症患者的治疗康复计划很大程度上都是依赖于相关医生或专家的经验知识,如何将这些专业经验知识重复高效利用,是目前的一个难题。基于此,本文提出采用时间限制进食(Time Restricted Feeding,TRF)治疗肥胖案例库构建案例推理(Case-Based Reasoning,CBR)人工智能肥胖症诊疗方法。文中将融合灰狼算法-支持向量机(GWO-SVM)作为本文的案例检索算法,通过CBR技术为肥胖患者提供最佳的TRF治疗方案。实验结果表明本文提出的GWO-SVM算法在案例检索时能够达到约为92.1%的准确率。本文主要工作如下:(1)通过查阅大量与治疗肥胖相关的文献,发现时间限制进食对肥胖者来说可以起到很好的减重治疗作用。其次,通过研读文献深入了解了案例推理技术的原理与工作机制,包括案例的表示、检索、重用、修正及保存等过程,并对常用的案例检索方法有一定程度的了解。(2)本文实验前期的主要工作是案例库的构建,即将获取的初始案例数据通过合适的案例表示方法构建出历史案例库,并针对实际问题需要对案例检索机制做出适当的修改。(3)本文分析了模糊C-均值聚类算法、支持向量机、融合支持向量机和遗传算法三种方法的优劣性,在实验部分将本文提出的GWO-SVM案例检索方法与以上三种方法进行对比,发现本文方法在案例检索方面具有较高的有效性。(4)根据以上工作,在检索出的相似案例中通过计算特征属性身体质量指数(Body Mass Index,BMI)的效率指标推荐出最佳的TRF治疗肥胖的建议方案。本文所做的研究工作为案例推理技术应用于肥胖治疗领域起了一定的推广作用,并为肥胖症的诊疗过程提供了一定的帮助,同时还为肥胖患者推荐了TRF治疗方案。