最有价值球员算法及应用研究

发布时间：2020-03-31 12:06

【摘要】：最有价值球员算法(MVPA)是模拟球员组成运动队进行比赛而提出的一种新的启发式优化算法,该算法通过球员之间的个人竞争和团体竞争进行技能交互,改善个体适应度值,进而取得最优解。虽该算法易操作、控制参数少、稳定性较好,但也存在收敛速度慢、后期搜索迟滞等。本论文一方面对MVPA算法进行改进;另一方面将改进后的MVPA算法应用于机器人路径问题。机器人路径规划问题是机器人导航研究的重点,是对机器人导航需要解决的首要问题,用改进的MVPA算法来解决机器人路径问题具有一定的现实意义。本文的主要研究成果如下:(1)提出基于混合精英策略和单纯形的最有价值球员算法。精英反向策略提高算法的开采能力,单纯形用于增强局部搜索能力。实验结果表明,改进后的算法收敛速度快且不易陷入局部最优,并将改进的算法求解函数优化问题。实验结果表明,改进后的算法能更快收敛,不易陷入局部最优,并将改进的算法应用在压缩弹簧设计问题上。(2)提出一种混合教与学算法的两阶段训练最有价值球员算法,将改进的最有价值球员算法用于求解函数优化问题。(3)将两阶段最有价值球员算法应用于求解机器人路径规划问题,利用Voronoi图构建障碍物质点图,用4种优化算法评估路径,单位空间内设置不同的障碍物来对比每个算法需要的时间代价。
【图文】：

球员,算法,团队,设计变量

言值球员算法（Most Valuable PlayerAlgorithm，MVPA）该组成团队的过程，这些球员为了赢得冠军需要在团队中集得 MVP 奖杯而单独竞争。实验仿真结果表明，MVPA 算力的优化算法，它收敛速度快，，比较其它算法成功率高最有价值球员算法算法和其它的元启发式一样，也是利用个体进化的方式技能的类型被认为是设计变量问题的维度，这与拥有相似能数量相对应。假设设计变量与球员的相似。在图 2.1 中。每个球员的表示如下： kkkkoblemsizePlayerSSS.1,2.Pr ...

团队,球员,运动队,随机分配

图 2.2 在初始化阶段的演示中产生的玩家数量Fig. 2.2 Number of players generated during the initialization phase of th旦球员的数量被设计出来，就会被随机分配，组成团队。为性，团队的数量和球员数量的都不一定是规定的。因此，使择想设定的球员和团队的数量形成新的团队, 使用下列表达()1TeamsSizePlayerSizenP ceil121nP nP nT PlayerSize nP TeamSize1221nT TeamSize nT中，1nP 代表的是一个类型的运动队,1nT 是拥有相同数量
【学位授予单位】：广西民族大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18

【参考文献】