深度学习优化蚁群算法的羽毛球项目技战术决策研究

2016-03-22茅洁，谷倩

运动 2016年18期

关键词：技战术羽毛球决策

茅洁，谷倩

（武汉体育学院体育工程与信息技术学院，湖北武汉 430079）

深度学习优化蚁群算法的羽毛球项目技战术决策研究

茅洁，谷倩

（武汉体育学院体育工程与信息技术学院，湖北武汉 430079）

本文通过文献资料法、理论分析法、数值模拟法、实验研究法等研究方法，建立适合羽毛球项目技战术决策的深度学习优化蚁群算法模型，解决实际技战术决策优化问题。结论：（1）深度学习决策羽毛球技战术决策的优势在于其学习模式的表达能力强，能够更好地处理羽毛球项目技战术对抗行为这种非常复杂的问题，同时也能解决；（2）采用深度学习对蚁群优化模型中的技战术数据进行自组织学习，能保证数据在学习过程中达到最优化解，完成在蚁群模型中找到完成羽毛球对战过程中的最优化决策路线。

深度学习；蚁群算法；羽毛球

深度学习是基于在神经网络的机器学习理论，使用深度学习对羽毛球项目在技战术决策上进行优化的蚁群算法。其模型的作用是在海量的技战术数据中能够通过深度学习的方法将数据进行自适应的学习优化，达到能适应运动项目技战术决策判断的目的。羽毛球项目在我国竞技体育项目中属于优势项目，针对该项目的技战术理论研究也屡见不鲜。在羽毛球比赛中能准确、灵活地运用技术和改变战术，选择正确的战术决策，是一个非常复杂的组合优化问题，它具有非线性、多约束和离散性等特点。基于蚁群算法寻优特点及深度学习自适应与自组织的学习能力特点的角度上，结合羽毛球项目技战术特征，研究适合羽毛球项目制胜技战术决策的优化算法模型，对该项目的技战术决策应用起指导作用。

1 深度学习研究

1.1 深度学习理论

深度学习的概念基于人工神经网络的理论，由Hinton等人在2006年提出的。深度学习在人工神经网络的基础上运用多隐层的多层感知器构成一种深度学习结构，原有的属性类别或特征表示可以通过组合低层特征形成更加抽象的高层，以便发现数据的分布式特征表示。基于深度置信网络（DBN）提出非监督贪心逐层训练算法，为解决更多的深层结构相关的优化问题。同时，Lecun等人提出的卷积神经网络构建的真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。深度学习方法分为监督学习与无监督学习2种，构建不同的学习框架的学习模型。其中，第1种卷积神经网络（CNNs）就是一种深度的监督学习下的机器学习模型；第2种深度置信网（DBNs）则是一种无监督学习下的机器学习模型。

1.2 深度学习优化

深度学习优化的实质，是通过构建具有很高层次隐层的机器学习模型和海量的训练数据来学习数据中更多有用的特征，最终提高分类、预测的准确性，含有多层隐层的深度学习模型，如图1。深度学习中，区别于传统的人工神经网络学习，体现在深度模型结构和特征学习：（1）模型结构的深度，从浅层的三层隐层增加至5层、6层，以至10层更多的隐层节点；（2）明确特征学习，通过逐层特征训练，学习样本在原有特征转变成新特征学习，使得分类、预测变得更加容易。

2 羽毛球项目技战术制胜因素

羽毛球项目在我国竞技体育项目中属于优势项目，针对该项目的技战术理论研究非常多。从田麦久先生的项群理论研究中可以得到，羽毛球项目的制胜因素为快、狠、全、准、活。在羽毛球项目中技战术决策能力在比赛取得胜利的重要制胜因素之一，比赛过程中能及时、出奇不意地改变技战术决策就能控制整场比赛，取得比赛最后的胜利，这些制胜因素大部分主要体现在技战术特点中较多。羽毛球项目中战术的数量和质量相互影响，数量灵活多变可以有助于提高战术的质量，而高质量的战术运用可以弥补战术数量的不足。通过访谈，对羽毛球战术的制胜关键战术，归纳为以下6大战术：拉开突击、下压抢网、压后场、压反手、发球抢攻、杀中路。组合具体实施方案，如表1所示。

图1 含有多层隐层的深度学习模型

表1 羽毛球项目战术组合

3 研究对象与方法

3.1 研究对象

深度学习优化蚁群算法的羽毛球项目技战术决策。

3.2 研究方法

3.2.1 文献资料法在查阅大量有关深度学习、群智能理论和项群训练理论文献与书籍的基础上，并深入了解群智能理论的研究应用。

3.2.2 理论分析法深入分析研究深度学习、群智能理论和项群训练理论。

3.2.3 数值模拟法采用算法演算推理在隔网对抗性项目技战术对策中的群智能—蚁群算法。

3.2.4 实验研究法针对羽毛球项目技战术对策问题，根据群智能理论或进行蚁群算法模型研究，从而得出羽毛球项目技战术对策中最优组合算法模型。

3.3 技术路线

本研究的技术路线如图2所示。从提出研究问题、确定研究内容、选择研究方法、收集羽毛球项目技战术案例数据进行分析统计整理，对整理出的数据进行深度学习优化，并设计出蚁群算法模型，对优化模型进行实际应用检验，最终达到研究预期成果。

图2 技术路线

4 结果与分析

按照项群理论关于羽毛球项目的技战术特点，构建模拟的蚁群系统模型，为算法设计提供理论的支撑，并能形象化地说明蚁群的路径搜索原理和机制。在蚁群理论基础上构建的羽毛球技战术决策优化模型如图3所示。

图3 羽毛球蚁群技战术决策优化模型

基于以上对深度学习理论特点的描述，建立适合羽毛球项目技战术决策的深度学习优化蚁群算法，解决实际技战术决策优化问题。其优化过程如下：（1）设置迭代次数、信息素数据的初始化。（2）记录得到的每次对抗过程的信息，包括时间及技战术组合构建羽毛球对战双方技战术决策禁忌表，采用深度学习对禁忌表数据进行自组织深度学习，使用输出结果决策组合禁忌表判断符合最优技战术决策路线。（3）构建最优解；完成技战术变化构建技战术决策路线，每只蚂蚁的任务是寻找最优的技战术决策路线。（4）更新禁忌表中的数据，判断是否已经达到最优制胜，否则，则转到步骤（3）重新开始，达到最优将继续步骤（5）；（5）达到技战术决策制胜最优的情况下，完成对抗过程。若迭代次数达到max，则完成输出最优解；否则I=I+1，转到步骤（2）进行下一次优化。