[发明专利]一种基于多层遗传算法的冰壶比赛对阵组合设计方法

说明书

技术领域

本发明属于计算机应用领域，具体涉及一种解决了冰壶比赛对阵组合自动设计方法中难于找到最优解问题的基于多层遗传算法的冰壶比赛对阵组合设计方法。

背景技术

在本发明之前已经尝试使用的技术方法包括：

传统的枚举法、贪心法

枚举法是利用计算机运算速度快、精确度高的特点，对要解决问题的所有可能情况逐一检验，从中找出符合要求的答案，通过牺牲时间来换取答案的全面性。贪心算法是指在对问题求解时，总是做出在当前看来是最好的选择，算法不从整体最优上加以考虑，寻找的仅是在某种意义上的局部最优解。尝试使用枚举法结合贪心算法进行冰壶比赛对阵组合的自动设计。在枚举的过程中，通过对各种限制条件做剪枝，根据剪枝后的结果使用贪心算法找到在此基础上的最优解，最终得出一个相对较好的解。但是由于冰壶比赛对阵安排问题的难度和算法自身的时间复杂度局限，该方法难以取得较优的比赛方案。其不足具体表现在：1、当队数和赛道数略多的时候，跑不出可行结果，如12支队伍6赛道；2、自动编排的轮数经常超出理论最佳轮数；3、深浅壶均衡分布效果不理想；4、同一队不在一个场地连续使用2次同色壶的约束顾前顾不到后。这种枚举法结合贪心算法的对阵组合自动设计方法不能满足现实要求。

基本遗传算法

遗传算法是计算数学中用于解决最优化问题的搜索算法，是进化算法的一种。对于一个最优化问题，将一定数量的候选解(称为个体)组成的种群向更好的解进化。通常进化从完全随机的个体组成的初始种群开始，之后不断迭代优化。在每一代中，整个种群中的个体适应度被评价，从当前种群中基于适应度值按某种选择策略选择多个个体，通过个体间的交叉和变异产生新的个体并形成新一代种群，在新一代种群中重复此前的优化过程，直到满足算法终止条件。

在使用基本遗传算法实现冰壶对阵组合设计的过程中，构建了冰壶比赛方案编排问题的数学模型，设计了染色体结构，明确了初始化种群的方法，构造了适应度函数，设计了选择、交叉和变异三个遗传操作并提出了改进策略，确定了算法的终止条件。但该方法仍存在一个致使的缺陷，即算法不是一定能找到最优解。由于遗传算法自身的特点和冰壶比赛诸多约束的限制，导制该方法在最优解存在的情况下，也无法一定找到最优解。

目前为止，在冰壶比赛对阵组合的自动设计中仅尝试了以上二种方法，效果都不理想，并且国内外并未有其它相关成果发表。

发明内容

本发明的目的是提出一种解决精典遗传算法在解决冰壶比赛对阵组合自动设计中存在的难于找到最优解的不足的基于多层遗传算法的冰壶比赛对阵组合设计方法

本发明的目的是这样实现的：

(1)编码：使用固定长度的十进制整数进行编码，表示群体中的个体；冰壶参数队伍集合A＝{a₁,a₂,a₃,…a_n}；赛道集合R＝{r₁,r₂,r₃,…r_m}；比赛轮次集合T＝{t₁,t₂,t₃,…t_k}；其中a∈N+,r∈N+,t∈N+；小组赛时小组集合H＝{h1,h2,…hp}，其中的元素如h1也是一个集合，包含队伍集合A中的元素.队伍对阵集合C＝{(x,y)|x∈A,y∈A,x≠y}；C中的元素称为基因，共有n*(n-1)/2个基因；个体Xi表现为一串长为len＝n×(n-1)的整数，包含C中的全部元素；每m个C中的元素称为一轮，共有k轮；

(2)初始种群生成；在满足约束条件下随机生成包含popsize个个体的初始种群，约束条件为包含C中的所有对阵对且仅包含一次；一个整数编码的个体就是由所有对阵组合组成的一种冰壶比赛的对阵的完整方案；通过将C中所有的元素随机排列来生成个体X_i，popsize个这样的初始个体组成初始种群，popsize为种群大小；