Intelligent Tactical Decision System for Tennis Using Deep Deterministic Policy Gradient Algorithm

Luo, Sheng

doi:10.1142/S0218126626500866

Intelligent Tactical Decision System for Tennis Using Deep Deterministic Policy Gradient Algorithm

2026-01-01

0

PRE

AI

DOI：10.1142/S0218126626500866

原文链接

原文求助

摘要

En 中文

本文通过深度确定性策略梯度（DDPG）算法构建了网球智能战术决策系统。该系统解决了传统战术决策依赖经验的问题，利用DDPG分析实时比赛数据并动态生成最优战术方案。本文定义了影响比赛战术决策的关键状态变量，包括球员和对手位置、击球参数、当前比分情况及比赛时长。策略网络和价值网络可进行初始化，通过与环境交互获取训练数据，并利用经验回放池进行优化。策略网络采用小批量梯度下降和策略梯度进行优化。在实验设置方面，系统对8种不同风格的网球对手（包括进攻型、防守型、全能型、上旋型、反手型、速度型、战术型和力量型）进行了模拟测试，并评估了击球成功率、得分率、决策时间和策略分布熵等多个关键性能指标。实验结果表明，DDPG算法的平均击球成功率和平均得分率分别达到89.1%和81.4%。DDPG系统的决策时间在11 ms至16 ms之间，优于其他三个系统。在策略多样性方面，DDPG系统表现突出，策略分布的平均熵值达到2.89，反映了其强大的战术变换能力和避免单一策略的能力。本文构建的网球智能战术决策系统能有效提升网球比赛中的战术表现，为体育智能系统提供了可行的解决方案。

Keyword:

Tennis tactics

decision-making system

hitting action

reward function

deep deterministic policy gradient

Intelligent Tactical Decision System for Tennis Using Deep Deterministic Policy Gradient Algorithm

摘要

期刊

机构

引用论文