Balancing multiple solutions through enhanced diet optimization for food and nutrition security

Food systems are vital for securing nutritious foods, but at the same time they put a heavy burden on our environment. A shift towards affordable diets that are both nutrient-adequate and environmentally friendly is needed, to ensure a healthy planet for everyone in the future. Mathematical optimization techniques can help provide insights, as they can balance multiple conflicting objectives. The World Food Programme uses optimization techniques to determine whether households in specific regions can afford a nutritious diet. This dissertation focuses on expanding their analyses, where the goal is to find affordable, nutritious, environmentally sound food baskets that adhere to local preferences. As these goals can be conflicting, the dissertation aims to present mathematical optimization models that can balance all these vital objectives. By analyzing a wide range of possible trade-offs, humanitarian organizations such as the World Food Programme can present well-informed decisions to local governments.

-

Voedselsystemen zijn essentieel in het verkrijgen van gezonde voeding, maar tegelijkertijd belasten ze het milieu aanzienlijk. Om in de toekomst een gezonde planeet te behouden voor iedereen, is een transitie nodig naar betaalbare voedingspatronen, die zowel gezond als duurzaam zijn. Wiskundige optimalisatietechnieken zijn in staat om inzichten te bieden in deze problematiek, aangezien ze meerdere conflicterende doelen kunnen balanceren. In het begin van 2020 werd het project Enhance opgezet door het Wereldvoedselprogramma (World Food Programme, WFP) van de Verenigde Naties, Capgemini, Johns Hopkins Center for a Livable Future, en het Zero Hunger Lab van Tilburg University. Hun doel is het opzetten van een platform dat zowel door voedingsanalisten van WFP als door overheidsinstellingen gebruikt kan worden om het verband tussen de voedingswaarde, kosten en milieu-impact van een pakket voedingsmiddelen beter te begrijpen. WFP is ’s werelds grootste humanitaire organisatie en biedt hulp en voedselondersteuning bij noodsituaties waar behoud of terugkeer naar vrede en stabiliteit voorop staan. WFP heeft al eerdere ervaring met het gebruik van optimalisatietechnieken waarbij ze vaststellen of mensen in bepaalde regio’s wel genoeg voedzame maaltijden met voldoende voedingsstoffen kunnen betalen. Om hun huidige analyses uit te breiden, werkt het Zero Hunger Lab met het WFP samen om een gespecialiseerd optimalisatiemodel te maken voor Enhance. Het Zero Hunger Lab is een onderzoekslab aan Tilburg University met als missie om honger de wereld uit te helpen met het gebruik van data science. Het project Enhance speelt een grote rol in dit proefschrift, waar de focus ligt op het vinden van combinaties van voedingsmiddelen die betaalbaar, voedingsrijk, duurzaam zijn en voldoen aan het lokale eetpatroon. Aangezien deze doelen conflicterend kunnen zijn, presenteren wij in dit proefschrift verschillende wiskundige optimalisatiemodellen die in staat zijn deze belangrijke doelen te balanceren. Door een breed scala van afwegingen te analyseren, kunnen humanitaire organisaties zoals het WFP goed onderbouwde adviezen voorleggen aan lokale overheden. Met andere woorden, ze bieden inzicht in welke voedingstransities mogelijk zijn. De eerste methode in dit proefschrift identificeert welke (combinaties van) voedingsmiddelen essentieel zijn om laaggeprijsde voedzame voedselmanden samen te stellen. Het stelt vast welke voedingsmiddelen, wanneer zij niet beschikbaar zijn, kunnen leiden tot een aanzienlijke toename van de kosten van voedzame voedingspatronen. De methode heeft een boomstructuur en stelt meerdere selecties van voedingsmiddelen samen door iteratief voedingsmiddelen uit te sluiten. We beschrijven een casus met data uit Nigeria, waar we uitleggen hoe je kan bepalen welke voedingsmiddelen een mogelijk substituut zijn voor elkaar en welke voedingsstoffen een beperkende factor kunnen zijn voor die bepaalde regio. De tweede methode richt zich op de optimalisatie met twee doelfuncties, waar alle relevante afwegingen tussen de kosten en voldoende inname van voedingsstoffen van combinaties van voedingsmiddelen worden geïdentificeerd. Hier wordt gebruikgemaakt van een bestaande methode die nog niet eerder is toegepast in de context van dieetoptimalisatie, die te gebruiken is voor iedere twee lineaire doelfuncties. Voor onze casus met de data uit Nigeria leggen we uit hoe een dergelijke analyse nuttig kan zijn voor beleidsmakers in het geval dat huishoudens een beperkt budget hebben. De derde methode richt zich op de optimalisatie over meerdere doelfuncties, waar alle relevante afwegingen tussen de kosten, CO2-uitstoot, en afwijking van het huidige eetpatroon van voedzame combinaties van voedingsmiddelen worden meegenomen. Het algoritme is gebaseerd op een eerder ontwikkelde methode in dit proefschrift. Hierin presenteren we een elegante modificatie van een sandwich algorithm die eenvoudig uit te leggen is en waarvoor we hebben aangetoond dat het alle relevante afwegingen van een lineair probleem kan bepalen. Aan de hand van een casus uit Cambodja illustreren we hoe dit algoritme kan worden toegepast om beleidsmakers te informeren. Met behulp van duidelijke visualisaties laten we zien hoe de transitie gemaakt kan worden naar duurzame, gezonde en betaalbare voedingspatronen. Het onderzoek voor Enhance laat de waarde zien van nauwe samenwerking tussen wetenschap en praktijk, waarbij onderzoek en implementatie elkaar kunnen inspireren en verrijken. In ons geval heeft dit geleid tot een eerste versie van het platform Enhance, dat al wordt gebruikt door analisten van het WFP en dat verder wordt uitgebreid zodat nog meer typen analyses mogelijk zijn. Gebaseerd op dit gehele traject benadrukken wij het belang van het verdiepen van dergelijke samenwerkingen. Dit verbetert niet alleen het wederzijdse begrip van elkaars taken, maar vergemakkelijkt ook het delen van technische expertise. Door samen na te denken over uitdagingen met betrekking tot datakwaliteit, gebruikerservaring, en modelaannames, kunnen huidige analyses sterk worden verbeterd.