基于Agent的体育训练管理决策支持系统的研究与实现

论文摘要

近年来,决策支持系统取得了长足的发展,应用到社会的各个领域。其中体育运动、训练、管理是一个很重要的应用领域。国内外关于这个方面也已有了不少的研究成果,但大多是集中在某个具体的运动项目或是专业运动员的训练管理上。而对于普通百姓,尤其是对于身体素质亟待提高的大中学生来说,缺乏专业的决策支持系统对运动训练管理进行科学的指导。本文介绍了决策支持系统的发展和现状,系统阐述了Agent、MAS相关理论与技术,重点介绍了Agent的实现、不同Agent之间的通信和Multi-Agent体系结构;研究了数据挖掘理论、方法和技术,特别是对关联规则挖掘技术进行了深入的研究,重点研究了Apriori算法,并对其进行了适当的改进,得到改进后的算法M-Apriori算法,使其具有更高的执行效率,更加适合于学生身体素质信息的关联规则挖掘。将Multi-Agent技术和数据挖掘技术应用到决策支持系统当中,使之具有较高的智能性、通用性和开放性。在此基础上,再根据体育训练管理这个实际领域的特点,深入研究了基于Multi-Agent的DSS体系结构,设计了一个适合于体育训练管理的Multi-Agent体系结构,并对其中的各个部件进行具体的实现,最终得到了基于Multi-Agent的体育训练管理DSS。基于Multi-Agent的体育训练管理DSS能够为群体或个人制定相应的训练计划,并在身体素质评估和体育训练方法这两个方面提供决策支持,为制定的计划提供科学的理论依据。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 决策支持系统概述
• 1.2 研究背景与意义
• 1.3 国内外研究现状
• 1.4 本文主要工作与创新点
• 1.5 本文的内容与安排
• 第二章 Agent理论与技术
• 2.1 Agent技术简介
• 2.1.1 Agent的特性
• 2.1.2 对象与Agent
• 2.1.3 Agent的表示和推理
• 2.2 多Agent系统
• 2.2.1 多Agent系统的结构
• 2.2.2 多Agent协商
• 2.3 Agent与MAS的应用研究现状
• 第三章 基于关联规则的数据挖掘技术
• 3.1 数据挖掘简介
• 3.1.1 数据挖掘的概念
• 3.1.2 数据挖掘的过程
• 3.1.3 数据挖掘的主要任务
• 3.1.4 数据挖掘的方法及工具
• 3.2 关联规则挖掘
• 3.2.1 关联规则挖掘步骤与算法
• 3.2.2 关联规则挖掘在系统中的应用
• 第四章 基于Agent的体育训练管理DSS的设计
• 4.1 问题分析
• 4.1.1 UML概述
• 4.1.2 基于UML的系统分析
• 4.2 关键问题的研究
• 4.2.1 Agent的实现
• 4.2.2 Agent之间的通信
• 4.2.3 Multi-Agent任务分配机制
• 4.3 系统的总体设计
• 4.3.1 界面Agent
• 4.3.2 黑板控制Agent
• 4.3.3 功能Agent
• 4.3.4 决策Agent
• 4.4 模型库
• 4.4.1 模型的种类和表示
• 4.4.2 模型库的组织和存储
• 4.4.3 模型库系统
• 4.4.4 面向对象模型表示
• 4.5 知识库与推理机制
• 4.5.1 知识的表示与获取
• 4.5.2 推理机制
• 4.5.3 知识库的建立
• 4.6 数据库设计
• 4.6.1 数据库的概念设计
• 4.6.2 数据库的逻辑设计
• 4.6.3 数据库的物理设计
• 第五章 基于Agent的体育训练管理DSS的实现
• 5.1.NET平台及相关技术介绍
• 5.1.1.NET简介
• 5.1.2 基于.NET的Web开发
• 5.1.3 开发语言
• 5.2 数据库表的实现
• 5.3 数据库访问的实现
• 5.4 关键模块代码的实现
• 5.5 系统的运行及测试结果
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果