基于數據挖掘的足球最優射門角度分析

劉溢鑫

摘 要： 為了提高足球射門的準確度，提出數據挖掘的足球最優射門角度分析算法。采用粒子群算法把球場規劃為一個虛擬的網格環境，對足球射門路徑點實時標定和疊加特性進行分析，根據球場環境中的信息素，粒子群算法實現進球概率優化求解，以路徑適應度函數為優化目標函數進行射門角度特征數據挖掘，求得路徑適應度函數的最優解即為最優射門角度的解向量。仿真結果表明，該算法可以在復雜程度不同的球場環境中規劃出一條最優進球路徑，可以用于指導足球訓練。

關鍵詞： 數據挖掘； 射門角度； 粒子進化； 路徑適應度函數

中圖分類號： TN911.1?34； TP391.9 文獻標識碼： A 文章編號： 1004?373X（2017）17?0124?03

Data mining based analysis algorithm of football optimal shooting angle

LIU Yixin

（Chengdu College， University of Electronic Science and Technology of China， Chengdu 611731， China）

Abstract： In order to improve the accuracy of football shooting， a data mining based football optimal shooting angle analysis algorithm is proposed. The particle swam algorithm is used to plan the football field as a virtual network environment， calibrate the path point of football shooting in real time， and analyze the superposition characteristics. According to pheromone in football field environment， the particle swam algorithm is adopted to perform optimization solution for the goal probability. The path fitness function is taken as the optimal target function to carry out data mining for shooting angle feature. The obtained optimal solution of path fitness function is deemed as the solution vector of optimal shooting angle. The simulation results show that the algorithm can plan an optimal goal path in football field environment with different complexities， and is applicable for the guidance of football training.

Keywords： data mining； shooting angle； particle evolution； path fitness function

0 引 言

足球是當前世界上最為流行的運動項目之一，隨著各個國家對足球運動發展的重視，對足球運動的科學訓練研究受到人們的重視。足球射門是贏得比賽的關鍵環節，足球射門的技巧性較強，需要對足球射門角度進行最優化求解，通過建立足球射門角度分析的數學模型，采用計算機仿真和數學建模方法進行最優射門角度分析，實現對足球射門訓練的科學分析，提高進球概率，結合射門路徑規劃進行足球射門運動軌跡的路徑分析，能夠以合理的射門角度完成射球。

為了更好地完成足球射門訓練，提出基于數據挖掘的足球最優射門角度分析算法，采用數據挖掘分析方法進行足球最優射門角度模擬分析，包括球場網格環境的建立，適應度函數構建和路徑規劃，最后通過仿真實驗進行驗證分析。

1 足球場運動軌跡虛擬網格環境設計

首先把球場規劃為一個虛擬的網格環境，根據復雜適應系統理論[1]及粒子群進化算法對足球射門的飛行路徑點進行粒子編碼，通過粒子編碼釋放一種信息素進行足球的射門角度和路徑引導，設置初始位形，獲得目標位置的地形，采用算法把球場規劃為一個虛擬的網格環境[2]，構建一個10×10的網格結構模型表示足球運動場的虛擬網格結構，如圖1所示。

在圖1所示的足球運動場的虛擬網格結構中進行最優射門角度的路徑解向量分析，構建多叉樹混合網絡，獲得抓取目標解，在進行足球最優射門角度優選過程中，設時刻粒子群的先驗信息特征點分布為足球飛行軌跡中的目標移動點為，采用隨機采樣位形擴展方法進行足球射門的偏轉角和飛行弧度估計，定義環境參數描述空間內每點處的障礙信息，表示防守隊員的位置信息素特征量，第個防守隊員的位置為粒子的最優位置，表示為，則足球射門的初始位形與目標落地點的距離為：

（1）

2 粒子群算法的足球射門路徑參數標定

采用粒子旋轉門策略進行足球射門的路徑點實時標定和疊加特性分析，根據足球射門后的飛行方向、距離、速度等向量，采用粒子算法[3]得到粒子個體的位置向量解表示為。0表示此地點信息素初始化時較小，每個粒子追隨當前的種群達到最優射門角度時信息素接近于1。根據球場環境中的信息素進行粒子全局最優位置尋優[4]，假設足球射門路徑點的最大迭代次數為當前迭代代數為得到整個種群的全局最優位置的慣性權重為：endprint

（2）

采用粒子計算方法得到目標進球位置點處粒子群個體在時刻的位置初始位形向量為足球落地點的位置更新迭代式為：

（3）

設置足球飛行過程中的旋轉軌跡隨機擴展標記位置更新公式如下：

（4）

式中：為種群走過的路徑；為慣性權重；為智能體當前點的適應度系數；為鄰階選擇因子；和為旋轉粒子門的信息素。

根據球場環境中的信息素進行粒子計算實現進球概率優化求解，在一次迭代完成后進行最優位置局部尋優，得到旋轉粒子門中出來的目標點姿態信息度為：

（5）

式中：為運動中的足球在時刻運動方位的估計值，足球在時刻的姿態信息度得到足球射門路徑粒子群標定的信息素為：

（6）

其中，足球射門路徑相交于點和點的方位置信度為：

（7）

根據貝葉斯定理[5]，足球射門路徑的飛行路徑數據根據其過去的測量值得到，根據上述設計，基于動態橢圓曲線求解方法得到射門角度粒子挖掘的遞歸計算表達式為：

（8）

通過路徑向量的疊加特性分析[6]可知足球的當前位姿及期望射門角度僅和相關，即：

（9）

應用粒子群算法求解足球有效射門的方位角，則有：

（10）

3 數據挖掘的足球最優射門角度計算

基于最優高斯隨機游走和個體篩選策略的差分進化方法進行數據挖掘[7?8]，根據球場環境中的信息素進行粒子計算，實現進球概率優化求解，進球概率密度函數為：

（11）

根據粒子群體信息交換機制對足球射門的路徑點進行粒子比特編碼，求出路徑適應度解向量路徑點信息解滿足采用路徑方法對進行調整加權得到足球最優射門角度的特征參量數據挖掘的加權值為：

（12）

式中：為球場環境中信息素的選擇因子。

根據球場環境中的信息素進行粒子計算，實現進球概率優化求解，得到最優解為：

（13）

綜上分析，構建足球射門的路徑適應度函數：

（14）

以此為優化目標函數進行射門角度特征數據挖掘，最優射門角度的解向量為：

（15）

當，此時通過上述分析，采用數據挖掘算法得到射門規劃優化下的射門運動最短路徑，且能夠以合理的射門角度實現射門進球。

4 結果與分析

實驗構建虛擬的足球運動場分布環境，采用Matlab仿真工具進行數據挖掘算法設計和相關參數選擇，仿真實驗的硬件環境為：Intel Core3?530 1 GB內存，操作系統為Windows 7，結合圖1所示的足球運動場的虛擬網格結構，布置球門和攻防陣容如圖2所示。

在上述仿真環境中，取標準的11人制足球運動場為測試環境，得到在靜態環境中的足球攻防路徑分布如圖3所示。

圖4給出了在靜態環境下的足球射門角度路徑分布圖。分析圖4得知，采用本文方法在靜態環境下進行足球最優射門角度分析，利用粒子態的疊加特性能準確實現最優路徑計算。

圖5給出采用本文方法和傳統方法在動態未知環境下分別采取射門初始速度為15 m/s和5 m/s的射門角度和路徑計算結果。

分析結果可見，采用本文方法規劃出的足球射門角度與理想最優路徑吻合，表1給出了足球最優射門角度計算參量分析結果，分析得知，本文方法能在較短的時間內規劃出足球射門的最優角度，計算開銷較低，準確性較好。

5 結 語

本文提出基于數據挖掘的足球最優射門角度分析算法，采用粒子群算法實現對足球最優射門角度的最優特征參量求解。研究結果表明，該算法進行足球最優射門角度求解，在復雜程度不同的球場環境中能規劃出一條最優進球路徑，對指導足球訓練具有一定的實用價值。

參考文獻

[1] 喬俊飛.動態路徑規劃中的改進蟻群算法[J].清華大學學報，2010，48（z2）：1748?1751.

[2] BLASI A， BARBATO S， MATTEI M. A particle swarm approach for flight path optimization in a constrained environment [J]. Aerospace science and technology， 2013， 26（1）： 128?137.

[3] 吳憲祥，郭寶龍，龍娟.基于粒子群三次樣條優化的移動機器人路徑規劃算法[J].機器人，2010，31（6）：556?560.

[4] 趙娟平，高憲文，符秀輝，等.移動機器人路徑規劃的改進蟻群優化算法[J].控制理論與應用，2011，28（4）：458?461.

[5] 羅乾又，張華，截興哲，等.改進人工勢場法在機器人路徑規劃中的應用[J].計算機工程與設計，2011，32（4）：1411?1415.

[6] 梁聰剛，王鴻章.微分進化算法的優化研究及其在聚類分析中的應用[J].現代電子技術，2016，39（13）：103?107.

[7] 李牧東，趙輝，翁興偉，等.基于最優高斯隨機游走和個體篩選策略的差分進化算法[J].控制與決策，2016，31（8）：1379?1386.

[8] 王勛，張代兵，沈林成.一種基于虛擬力的無人機路徑跟蹤控制方法[J].機器人，2016，38（3）：329?336.endprint