金 萍，龍 駒2

（1.西華大學(xué)體育學(xué)院，四川 成都 610039；2.西華大學(xué)電氣信息學(xué)院，四川 成都 610039）

運(yùn)用遺傳算法對大學(xué)生體能教學(xué)訓(xùn)練要素進(jìn)行優(yōu)化設(shè)計(jì)

金 萍1，龍 駒22

（1.西華大學(xué)體育學(xué)院，四川 成都 610039；2.西華大學(xué)電氣信息學(xué)院，四川 成都 610039）

本文將排序自適應(yīng)遺傳算法與單純形法相結(jié)合，設(shè)計(jì)了一種改進(jìn)的、具有全局優(yōu)化能力的混合遺傳算法，用該算法對大學(xué)生體能強(qiáng)弱（以心臟功能和肺功能作為主要考察依據(jù)）的教學(xué)訓(xùn)練要素進(jìn)行了優(yōu)化設(shè)計(jì)，并在西華大學(xué)學(xué)生中進(jìn)行了實(shí)驗(yàn)研究。實(shí)驗(yàn)結(jié)果表明，采用該法進(jìn)行體能教學(xué)訓(xùn)練比傳統(tǒng)方法具有更好的訓(xùn)練效果，對提高大學(xué)生的體質(zhì)健康具有創(chuàng)新意義。

遺傳算法；單純形法；大學(xué)生；體能；訓(xùn)練要素

1 前 言

當(dāng)前在大學(xué)生體能（以心臟功能和肺功能作為主要考察依據(jù)）教學(xué)訓(xùn)練中，大都采用傳統(tǒng)的教學(xué)訓(xùn)練方法，傳統(tǒng)方法雖能滿足基本的教學(xué)訓(xùn)練要求，但在實(shí)踐中還缺乏一種優(yōu)化的教學(xué)訓(xùn)練模式，以進(jìn)一步提高大學(xué)生的體能教學(xué)訓(xùn)練效果。據(jù)此，我們采用了混合遺傳算法對大學(xué)生的體能教學(xué)訓(xùn)練要素進(jìn)行了優(yōu)化設(shè)計(jì)，從而較快提高大學(xué)生體能教學(xué)訓(xùn)練效果。

2 研究對象與方法

2.1 研究對象

運(yùn)用遺傳算法對大學(xué)生體能教學(xué)訓(xùn)練要素進(jìn)行優(yōu)化設(shè)計(jì)。其中選取西華大學(xué)2008級學(xué)生50人（男25人，女25人），年齡18～21歲，其中男生平均身高173.1厘米，體重60.6千克；女生平均身高159.9厘米，體重52.1千克。

2.2 研究方法

分別使用TJY-1高精度數(shù)顯電子臺階試驗(yàn)測定儀和RCS-10000高精度數(shù)顯電子肺活量計(jì)對兩種模式教學(xué)訓(xùn)練后學(xué)生的心肺功能進(jìn)行了對比測試，獲取了相應(yīng)的心肺功能數(shù)據(jù)。

3 應(yīng)用遺傳算法設(shè)計(jì)體能教學(xué)訓(xùn)練模式

大學(xué)生體能強(qiáng)弱（以心臟功能和肺功能作為主要考察依據(jù)）的教學(xué)訓(xùn)練效果主要由運(yùn)動量和運(yùn)動強(qiáng)度兩個要素決定。本文針對這兩個要素用遺傳算法進(jìn)行了優(yōu)化設(shè)計(jì)，其具體的設(shè)計(jì)思路如下。

3.1 遺傳算法的算法設(shè)計(jì)

3.1.2 重要參數(shù)的選擇 遺傳算法要考慮的重要參數(shù)主要有：種群規(guī)模N（本設(shè)計(jì)中取N=100）、交叉概率和變異概率按照公式（2）進(jìn)行設(shè)計(jì)。

3.1.3 適應(yīng)度函數(shù)的設(shè)計(jì) 為了獲得滿意的動態(tài)特性，在引入懲罰功能的前提下，本文將目標(biāo)函數(shù)取為

3.1.4 選擇運(yùn)算設(shè)計(jì) 本文采用按照個體適應(yīng)度大小排序的選擇方法設(shè)計(jì)相應(yīng)的選擇算子。

圖1 自適應(yīng)交叉概率和變異概率示意圖

3.1.6 單純形局部搜索算法的設(shè)計(jì) 由于本文所設(shè)計(jì)的遺傳算法是遺傳算法與單純形法有機(jī)結(jié)合的一種混合算法,局部搜索能力很強(qiáng)的單純形法的加入執(zhí)行過程如圖2中的流程圖所示。在加入單純形法的過程中主要考慮以下兩個方面的問題：（1）單純形搜索算法所需時間的分配問題：如果簡單地將遺傳算法和單純形法相結(jié)合，則整個算法的大部分運(yùn)算時間將被單純形搜索算法所占據(jù)，而僅有很少的時間用于遺傳運(yùn)算，這樣就不易體現(xiàn)出遺傳算法全局搜索能力強(qiáng)的優(yōu)點(diǎn)；另外，單純形法搜索并不需要精確求解。因此，本文從兩個方面對單純形法搜索的時間加以限定，一是單純形法搜索迭代的次數(shù) N ，在本文中經(jīng)過多次實(shí)驗(yàn)，限定對參與局部搜索的個體數(shù)加以限制），本文中經(jīng)過多次實(shí)驗(yàn)，單純形法參數(shù)的設(shè)置：反射系數(shù),擴(kuò)張

3.1.7 判斷算法終止條件是否滿足 用改進(jìn)方法產(chǎn)生的初始種群通過混合遺傳運(yùn)算后得到了新一代種群，將該代種群再次代入適應(yīng)度函數(shù)進(jìn)行檢測評估運(yùn)算，觀察是否滿足算法終止條件，若滿足，則輸出最優(yōu)解，尋優(yōu)結(jié)束；若不滿足，則返回重復(fù)以上操作直到滿足為止。

3.2 應(yīng)用遺傳算法進(jìn)行優(yōu)化設(shè)計(jì)的算法實(shí)現(xiàn)流程（圖2）

圖2 應(yīng)用遺傳算法對學(xué)生體能教學(xué)訓(xùn)練模式進(jìn)行優(yōu)化設(shè)計(jì)的算法流程

4 實(shí)驗(yàn)結(jié)果

筆者分別使用心臟功能和肺功能測試儀對西華大學(xué)2008級學(xué)生（男25名，女25名）進(jìn)行了兩種教學(xué)訓(xùn)練模式（模式1為常規(guī)模式，模式2為遺傳算法模式）下臺階試驗(yàn)和肺活量實(shí)驗(yàn)指數(shù)的測定，其對比測試結(jié)果如表1、表2所示。

表1 男生實(shí)驗(yàn)指數(shù)對比表

4.1 上述實(shí)驗(yàn)結(jié)果表明，應(yīng)用遺傳算法對大學(xué)生體能教學(xué)訓(xùn)練要素進(jìn)行設(shè)計(jì)后的教學(xué)訓(xùn)練方法對大學(xué)生進(jìn)行體能訓(xùn)練，其訓(xùn)練后的體能指標(biāo)明顯優(yōu)于傳統(tǒng)的教學(xué)訓(xùn)練方法，從而說明了該方法對增強(qiáng)大學(xué)生的體能（心肺功能）具有明顯的效果，對提高大學(xué)生體質(zhì)健康具有現(xiàn)實(shí)意義。

4.2 實(shí)驗(yàn)結(jié)果還顯示，應(yīng)用遺傳算法對大學(xué)生體能教學(xué)訓(xùn)練要素進(jìn)行優(yōu)化設(shè)計(jì)后的方法對提高大學(xué)生的體能具有實(shí)用價值，是一種客觀、有效、快速的教學(xué)訓(xùn)練方法，這種方法很容易推廣到其他體育教學(xué)訓(xùn)練項(xiàng)目中，從而從新的視角提出了增強(qiáng)大學(xué)生體質(zhì)健康的一種新的教學(xué)訓(xùn)練模式。

表2 女生實(shí)驗(yàn)指數(shù)對比表

[1]周明，孫樹棟.遺傳算法原理及應(yīng)用[M].北京：國防工業(yè)出版社，1999.

[2]牛志華.一類混合遺傳算法的研究[D].西安：西安交通大學(xué)，2002.

[3]王文平.遺傳算法：理論、應(yīng)用與軟件實(shí)現(xiàn)[M].西安：西安交通大學(xué)出版社，2002.

[4]龍駒.永磁無刷直流電動機(jī)轉(zhuǎn)速控制系統(tǒng)的優(yōu)化設(shè)計(jì)[M].成都：西南交通大學(xué)出版社，2006.

[5]Srinivas M, Patnaik L. M. Adaptive Probabilities of Crossover and Mutations in Gas. IEEE Trans. On SMC, 1994, 24（4）.

[6]陳德平.Kohonen神經(jīng)網(wǎng)絡(luò)在體育運(yùn)動聚類分析中的應(yīng)用[J].體育科學(xué)，2005（3）.

G807.4

A

1674-151X（2010）10-104-03

10.3969/j.issn.1674-151x.2010.10.054

投稿日期：2010-07-29

金萍(1964 ～），副教授。研究方向：體育社會學(xué)。