基于黑板的多Agent体育训练管理DSS系统设计.docx

基于黑板的多Agent体育训练管理DSS系统设计.docx

《基于黑板的多Agent体育训练管理DSS系统设计.docx》由会员分享，可在线阅读，更多相关《基于黑板的多Agent体育训练管理DSS系统设计.docx（7页珍藏版）》请在冰豆网上搜索。

基于黑板的多Agent体育训练管理DSS系统设计

基于黑板的多Agent体育训练管理DSS系统设计

　　摘要：

目前我国的体育训练管理中仍然存在着不科学、训练目的性不强、辅助决策手段落后等缺点。

将Agent和DSS技术运用到系统当中，设计出一个基于黑板的多Agent智能体育训练管理决策支持系统方案，并进行具体的实施，从而有效地提高了决策系统的准确性和智能性。

　　关键词：

Agent；智能DSS；体育训练管理；辅助决策手段

　　中图分类号：

TN710?

34；G807?

04文献标识码：

A文章编号：

1004?

373X（2014）11?

0111?

03

　　Abstract：

Theshortcomingsthatsportstrainingmanagementisnotscience，thetrainingpurposeisnotclear，andtheauxi?

liarydecisionmeanslagsbehind，stillexistinChinaatpresent.Aschemetorealizethemulti?

AgentintelligentDSSbasedonblackboardforsportstrainingmanagementwasdesigned，inwhichAgentandDSStechnologyareapplied.Thesystemwasimplemented，soastoeffectivelyimprovetheaccuracyandintelligenceofDSS.

　　Keywords：

Agent；intelligentDSS；sportstrainingmanagement；auxiliarydecisionmeans

　　0引言

　　伴随着全民健身活动的蓬勃开展，人们的生活观念发生巨大变化。

在一些大中城市，为健康而消费成为新时代提高生活质量的一种时尚。

全民健身运动也成为我国一项长期国策，据有关方面统计，我国国民整体身体素质呈现下降趋势，其中，大学生身体素质下降趋势最为严重[1]。

目前，对于这一困扰问题，我国政府高度重视，先后出台了很多相应的政策和方法来应对，但都效果不明显。

影响因素很多，其中体育训练计划的制定和体育训练方法的实施不够科学是最为重要的因素之一。

由于体育教师水平残差不齐，在制定体育训练计划、体育训练方法时个人主观意识比较浓厚，不能有效地根据学生的个人身体素质有针对性的科学的制定计划和方法，从而导致学生对体育训练的主动参与性不够高，训练效果不明显，在一定程度上制约了学生身体素质的有效发展。

　　20世纪70年代，由美国麻省理工大学教授M.S.ScottMorton首次提出决策支持系统（DecisionSupportSysten，DSS）。

在众多智能化信息技术当中，将DSS运用到体育运动的计划、训练、日常管理等领域当中，在实践和系统应用的过程中均取得了大量的实践经验和成果[2]。

从原有的二库结构的DSS逐步发展到以人工智能相结合的智能决策支持系统，经历了一段相当漫长的发展过程。

智能决策系统的出现不仅引起了人们的广泛关注，也成为业界乃至世界各国科学研究的热点。

目前，智能决策系统大多采用科学理论的方法，通过人与计算机相互交流的方法为使用者提供科学合理的决策。

然而，世界各国专家学者在体育训练管理领域的相关研究仅仅局限于某一运动员或某个具体项目，而对于如何提高大学生身体素质的专业智能决策系统研究少之甚少。

本文就是针对目前体育训练管理中出现的诸多问题进行完善，帮助他们制定出科学有效的符合大学生的体育训练计划和训练方法。

　　1DDS，Agent与MAS概述

　　DSS是以计算机为主要手段，运用管理科学、运筹学、控制学等理论和技术，通过与计算机之间的相互交流操作，智能化地支持决策活动的系统。

从而帮助管理人员在半结构化或非结构化之间做出决策，提高决策效率，营造一个知识和信息相结合处理的工作环境。

　　Agent技术是一种在动态环境中能够自治运行，并具有较高自治能力的计算机系统或实体。

能感知不同环境下的变化，并随变化主动做出相对应的调整。

在众多Agent的研究中，最经典和广为教授的是Wooldridge等人有关Agent的“弱定义”和“强定义”的讨论。

每个Agent最基本的特性包括自主性、反应性、面向目标和针对环境性。

强定义在此基础上加入知识、目标、责任、能力等精神概念[3]。

如何解决Agent间的相互协作问题，是人们在研究Agent的过程中经常遇到的其中一个问题。

MAS的产生就是在Agent的原有基础上重点研究Agent之间的相互协商和协作等问题。

MAS协作解决问题的能力要比单独的Agent强，为复杂问题提供了自然便捷和最佳的解决方案，并于现有软件系统进行有效地衔接，有效提高系统的执行能力，具有较强的稳定性。

　　2系统体系结构[4]

　　根据大学生体育训练管理的特点，结合Agent和Multi?

Agent的特性，基于Multi?

Agent的DSS大学生体育训练管理决策系统框架图如图1所示，共定义4类Multi?

Agent。

　　界面Agent主要用于实现和决策者之间实施交互，界面Agent在实施交互过程中，能够根据主动探测环境的变化，获取决策用户的习惯、爱好、习性等主要特征信息，从而在决策时，提供最佳的用户界面，为决策用户提供统一思想的辅助决策。

如图2所示。

　　黑板控制Agent。

黑板控制Agent是整个系统的控制中心，它主要对黑板和系统中其他Agent进行直接或间接地控制[5]。

通过自身的知识库和Agent之间的协作原则，把需要解决的问题划分为若干个相应的子问题，然后分配到黑板中不同层次中，对各层次进行相对应的管理，消除Agent之间不同决策的冲突。

如图3所示。

　　功能Agent。

其功能是对于从黑板接收过来的信息进行分类整理，从中获取需要解决问题的目标，之后对相关目标进行分割，划分成若干个小任务，转交给各自的一个或多个决策Agent来加以执行。

如图4所示。

　　决策Agent。

各个决策Agent与系统中的决策者或有关部门相对应，完成全部系统每个具体决策任务，在相应功能Agent的制约下，借助决策Agent相互之间的的协作[6]，实现决策。

　　3系统Agent的技术实现

　　3.1Agent的实现

　　如今，面向系统Agent的软件开发仅处于一个崭新的软件开发范畴，由于Agent领域的相关理论知识和应用技术还不够成熟，还没有形成统一的开发模式，目前绝大多数采用面向对象技术的方法，研发出拥有Agent一些基本特性的系统[7]，实现思路试将对象改装成Agent，使改变装后对象具有Agent的反应性、自治性等一些基本的特性。

Agent的功能实现需要三个部分组成[8]：

知识推理、通信和执行模块。

通信模块主要任务是负责接收外部环境或别的Agent传输过来的信息，并将信息转变成Agent所能理解的模式，同时向外部环境或其他Agent发送此信息。

知识推理模块，它具有Agent的特性、方法和行为规范。

自动进行更行，为Agent自主活动的实施提供事实依据。

执行模块，是Agent内部的具体决策部件，依据知识模块中的属性、方法和行为原则作出具体的判断，同时及时更新知识推理单元的知识。

Agent的结构关系如图5所示。

　　3.2Agent间的通信机制

　　在基于Multi?

Agent的大学生体育训练管理决策系统中，Multi?

Agent之间采用黑板模块来实现Agent间的通信。

如图6所示。

　　在Multi?

Agent中黑板提供工作范围，Agent可以相互交换信息、数据和知识，Agent在最初创建时就已经在黑板上填写了信息项，同时可分享给其他Agent所使用，并根据Agent的具体需要可随时访问黑板，以便获取更多新的信息[10]。

Agent采用筛选的方法提取自己所需的信息，Agent在黑板系统中，他们之间不产生相互通信，每个Agent独立解答求解的子问题。

功能Agent，把一个问题分解成若干个子问题，让更多的Agent参与到求解的工作当中，暂时性的组成一个联盟，一起去求解问题，联盟求解工作结束后（任务完成后联盟自动解散）利用功能Agent将其信息传回给黑板汇总[11]，最终反馈给相应的Agent界面，转交给用户。

　　在黑板系统中，Agent从黑板提供的公共区域提取和相互交换信息，他适合频率较低、容量较大通信方式，这种方式符合体育训练管理DSS中决策方案的协商合作讨论过程的通信方式。

　　4系统模型库、知识库管理系统

　　4.1模型库管理系统

　　基于Multi?

Agent的大学生体育训练管理决策系统中，采用面向对象的模型来表现模型库，还可把若干模型对看成一个对象进行储存和管理[12]，并提供与知识库系统相匹配的接口。

模型库系统自身功能如下：

（1）具有知识的表述和处理能力，能够有效地提供模型系统的建造与操纵、体育训练领域的知识以及决策者的使用经验。

（2）提供模型操纵的基本方法，提供最佳的选择策略。

　　（3）具有学习和自我分析能力。

　　（4）提供模型之间的相分离机制。

　　（5）提供模型最终结果的解释机制。

　　4.2知识库管理系统

　　第一步要做好知识库基本结构的构建工作，然后按照有关体育方面的专家所提供的知识，经过吸收提取产生规则，并储存在知识库系统中。

知识库主要用于储存与决策有关的规则，每一个规则都会被自动或人为地加上一个权重系数，知识规则进行工作时会有很多规则符合相应的条件，这时就会提取权重系数最高的规则来进行推理，以便解决匹配问题的冲突现象[13]，产生式规则储存的同时决策过程中所产生的新的规则也一同储存到知识库里。

　　5系统实现

　　体育训练管理系统中的数据主要来源于陕西工院学生信息管理系统、服装学院体育成绩管理系统，体育训练计划数据库、运动项目数据库等，模型分为预测和优化模型、例聚类模型、回归模型、EMSR模型等，规则库中有预测计划规则，例身体素质综合评估规则、体育训练手段规则、体育训练间歇安排规则等[14]。

计划制定执行决策过程如下（一年级40人班级制定训练计划）：

（1）采集全班40人身体素质基本数据和达标测试数据，并将训练计划的时间安排一同输入到界面里。

例如是制定一个周训练计划还是一个学期训练计划，是阶段性计划还是连续性计划，还要有上课具体时间的安排。

40人身体素质基本数据和达标测试数据储存到数据库，时间安排数据暂时储存到黑板中，并形成相对应的规则，指导训练计划的产生。

（2）界面Agent将制定计划信息请求传输给黑板控制Agent后，黑板控制依据知识库和协作的规则把需要处理的问题逐一分解成身体素质测评、训练计划安排、训练时间安排等若干个子问题，然后再将这些若干个子问题交给身体素质测评功能Agent、训练计划安排功能Agent、训练时间安排功能Agent等。

　　（3）每个功能Agent把从黑板传送过来的工作任务进行分类[15]，根据任务的需要进行归类，分成若干个可以由Agent独立完成的小任务。

例如身体素质测评功能Agent可分为身高、体重、视力、协调、心率、肺活量、握力等小任务，再交给相对应的决策Agent进行决策。

　　（4）各个功能Agent将决策Agent推理所得到的子结果反馈给黑板，黑板在单元中进行汇总，将身高、体重、视力、协调、心率、肺活量、握力、身体素质测评最佳方法的选择、最佳训练计划安排、最佳训练时间安排等子结果汇总成一个总结果，最后通过界面Agent以一个固态表格的形式展示给计划制定者，并作出行对应的解释。

　　6结论

　　本文针对目前大学体育教师很难根据学生实际情况制定出科学有效的训练计划，结合Multi?

Agent技术，设计了大学生体育训练管理决策系统，他能够为大学生量身定做科学有效的训练计划。

在大学体育训练管理中具有一定的应用价值。

　　参考文献

　　[1]刘大有，杨鲲，陈建中.Agent研究现状与发展趋势[J].软件学报，2000，11（3）：

315?

316.

　　[2]黎建兴.软件Agent的一种面向对象设计模型[J].软件学报，2007，18（3）：

583?

584.

　　[3]冯梅，郑明春.Agent的行为研究与应用[D].济南：

山东师范大学，2001.

　　[4]孙喁喁，黄光球.基于黑板的多Agent智能决策支持系统的研究[J].现代电子技术，2007，30（20）：

85?

87.

　　[5]高慧颖，鞠彦兵，马葆瑜.Agent在数据分析平台中的应用研究[J].微计算机信息，2007，23（33）：

180?

182.

　　[6]陈曦，王执铨.决策支持系统理论与方法研究综述[J].控制与决策，2006，21（9）：

961?

968.

　　[7]邓红梅，王斌，贾珍荣.我国体育领域决策支持系统研究简评[J].体育学刊，2006，13（6）：

142?

144.

　　[8]李薇，张风鸣.多Agent技术研究与应用[J].微计算机信息，2006，22（8）：

293?

295.

　　[9]杨卫民，谭骏珊，汪斌.数据仓库和数据挖掘技术在DSS中的应用研究[J].计算机工程与设计，2004，25（10）：

1695?

1697.

　　[10]陈贞宝，张憬，李军怀.基于面向对象的面向Agent编程平台的实现[J].计算机应用，2007

（1）：

35?

37.

　　[11]黎建兴，毛新军，束尧.软件Agent的一种面向对象设计模型[J].软件学报，2007，18（3）：

582?

591.

　　[12]张娟，陈杰，刘志勇.基于数据挖掘技术的温室决策支持系统[J].微计算机信息，2007，23（3）：

169?

170，189.

　　[13]吴修霆.SAS数据挖掘技术的实现[J].微电脑世界，2000（14）：

44?

45.

　　[14]BHANDARIInderpal，COLETEdward，PARKERJennifer，etal.Advancedscout：

dataminingandknowledgediscoveryinNBAdata[J].DataMiningandKnowledgeDiscovery，1997，1

（1）：

121?

125.

　　[15]刘辉，胡大治.数据挖掘技术发展及其应用[J].甘肃科技，2006，22（4）：

73?

75.

　　[16]WOOLDRIDGEMJ，JENNINGSNR.IntelligentAgent：

theoryandPractice[J].KnowledgeEngineeringReview，1995，10

（2）：

115?

152.