三项指标逐个达标,评分逐步下滑
先看一个设定的例子。假设要做一款每个60g的早餐松饼,目标是每个含蛋白12g、添加糖不超过3g、膳食纤维不少于6g。研发从一个普通的基础配方出发,每一步只补一个目标。下表所有数字都是设定,只用来演示趋势,不代表任何真实产品的测试结果。
| 配方 | 做法 | 蛋白(g) | 添加糖(g) | 纤维(g) | 感官分(9分制) | 末期硬度指数 | 成本指数 |
|---|---|---|---|---|---|---|---|
| 配方1 | 基础配方 | 5 | 12 | 2 | 7.8 | 110 | 100 |
| 配方2 | 只加蛋白 | 12 | 12 | 2 | 7.0 | 150 | 128 |
| 配方3 | 加蛋白并减糖 | 12 | 3 | 2 | 6.2 | 165 | 138 |
| 配方4 | 三项直接叠加 | 12 | 3 | 6 | 4.9 | 210 | 170 |
每往前走一步,营养表上多一个达标项,感官分却少一截:从7.8一路掉到4.9,货架末期的硬度指数从110升到210,成本指数也涨了七成。配方4在标签上最漂亮,在评审桌上却最没人愿意吃第二口。
三个目标抢的是同一杯水
2026年关于糖减配的综述留下了几条线索,放在一起读很有意思:蔗糖除了甜味,还承担体积、保湿、水分活度调节和褐变等多重功能,减糖会让面包屑结构变干;蛋白强化会加速变硬;纤维会改变水分动态。三句话说的其实是同一件事:糖原本束缚和保持的水,蛋白与纤维现在都要来抢。
落到早餐松饼上,抢水的后果可以逐条对应。蛋白原料吸水,面糊变稠,起发不足,组织偏紧;膳食纤维同样吸水,成品先是发干、粗糙,放几天以后更硬;糖被拿走,褐变变浅,烘烤香气变淡,保湿能力也下降。为让面糊能搅动而多加水,烘烤时间就得拉长,水分活度也要重新评估。
难点在于每个单项都有成熟对策:高蛋白食品靠蛋白复配与保水,低糖食品靠多种甜味来源组合并补回体积,高纤维食品靠调粒径与预水化。但对策并不能简单相加:用可溶纤维给减糖补体积,吸水量会再增加一截;为蛋白保水而加入亲水胶体,又会改变口腔里的黏弹感。单项解法同时上场,就成了互相牵制的方程组。
把“好吃”变成能计算的数字
多目标优化的第一步不是算法,而是把要求写成模型看得懂的形式。纵横国际在整理健康食品研发问题时,习惯把变量分成三类:
- 硬约束:蛋白不低于12g,添加糖不超过3g,纤维不少于6g,水分活度落在保质期允许的窗口内,不满足就不进入比较;
- 优化目标:感官分越高越好,货架末期硬度越低越好,成本越低越好;
- 可调变量:蛋白复配比例、纤维种类与粒径、保水体系用量、加水量、烘烤温度与时间。
其中最难量化的是感官。可行的做法是拆成能测的指标:用仪器测硬度与回弹,测色差与水分活度,再由感官小组打分,并且在第1天、货架中期和保质期末分别取数。2026年一篇讨论替代蛋白设计的文章提出,可以用线性规划、数学优化和AI,结合蛋白质量、技术功能性(techno-functional,指溶解、吸水、乳化、胶凝这类与加工有关的性能)以及感官阈值数据,设计营养平衡且工艺可行的配方。
边界也要说清:2026年arXiv上有研究从原料层面的配方预测甜、酸、苦、鲜、咸五种基本味觉,对减糖很有用,但干硬和回弹这些触感不在五个维度里,仍要靠实测数据回填。
最优不是一个点,而是一条前沿
继续用设定数字,把三项全部达标的几个候选放在一起比较。
| 配方 | 做法 | 蛋白(g) | 添加糖(g) | 纤维(g) | 感官分(9分制) | 末期硬度指数 | 成本指数 |
|---|---|---|---|---|---|---|---|
| 配方4 | 三项直接叠加 | 12 | 3 | 6 | 4.9 | 210 | 170 |
| 配方5 | 蛋白复配加预水化纤维 | 12 | 3 | 6 | 6.3 | 150 | 165 |
| 配方6 | 在配方5上再加保水体系 | 12 | 3 | 6 | 6.9 | 132 | 182 |
| 配方7 | 纤维目标放宽到5g | 12 | 3 | 5 | 7.2 | 125 | 176 |
在三项全部达标的配方4、5、6里,配方5的感官分、末期硬度、成本三项都优于配方4,配方4被全面超越,可以直接淘汰。配方5与配方6谁也不能全面超越谁:配方6感官分高出0.6,末期硬度低18,成本却贵17。这样一批“没有被任何其他配方全面超越”的候选,就是帕累托前沿(Pareto Front)。多目标优化输出的不是“最佳配方”,而是这条前沿,后面选哪一点,取决于产品卖给谁、定什么价位。
配方7说明另一件事。如果把纤维目标从6g放宽到5g,配方7在感官、硬度和成本上同时优于配方6,前沿整体挪动了位置。放不放宽是产品定义问题,不是算法问题,算法能做的是把放宽的代价算清楚:少的这一克纤维,换来多少感官分和多少成本。
成本与货架期,同样是目标
早餐松饼的成本,不只是蛋白与纤维原料的价格,还包括保水体系、更长的烘烤时间和更高的损耗。表里的涨幅是设定,方向却很常见:每增加一个营养目标,几乎都要动用更贵的原料。
货架期也必须写进模型。糖减配综述指出,许多研究只在第一天评估质构,缺少对析水、老化这类货架期变化的报告。表里的“末期硬度”就是把货架期放进目标的做法,只用第1天的质构,候选之间的差距会被低估。减糖之后自由水增加,微生物风险与保质期也要重新评估,这属于安全约束,不能拿去和口感做交换。
算法给出候选,产品定义负责取舍
2026年一篇覆盖2015至2025年53项研究的准系统综述指出,多目标优化、遗传算法、模糊逻辑和启发式搜索已被用来在营养价值、感官品质、成本和安全之间做平衡。分工大致是:遗传算法适合在庞大的原料与比例组合里搜索前沿,模糊逻辑能把“略偏干”“后味轻微”这类评语转成可以计算的数。
限度同样清楚。模型只在已经测过的区域可信,走到没有数据的角落,预测就是外推;感官评分有个体差异,小组样本小,还会随批次波动。所以纵横国际更看重一轮一轮往前走的迭代:
要点:高蛋白、低糖、高纤维同时做到,不是三个目标的加法,而是三个目标对水分、结构和加工窗口的同时占用。判断一款配方好不好,要看它处在前沿的哪个位置、放弃了什么,而不是营养标签上亮了几个绿灯。
一个成分到底要加到多少才有意义,是另一层问题,感官上限、加工和基质会层层折算,这部分在功能食品证据一文里展开。纵横国际把这几类产品放在同一张研发地图上看,更多方法与案例可以在健康食品栏目查看。