CN108550385B - 一种运动方案推荐方法、装置和存储介质 - Google Patents
一种运动方案推荐方法、装置和存储介质 Download PDFInfo
- Publication number
- CN108550385B CN108550385B CN201810336517.6A CN201810336517A CN108550385B CN 108550385 B CN108550385 B CN 108550385B CN 201810336517 A CN201810336517 A CN 201810336517A CN 108550385 B CN108550385 B CN 108550385B
- Authority
- CN
- China
- Prior art keywords
- action
- group
- actions
- contained
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种运动方案推荐方法、装置和存储介质,用于向用户推荐运动方案。所述运动方案推荐方法,包括:根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体;针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值;根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种运动方案推荐方法、装置和存储介质。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着生活水平的提高,人们越来越关注自身的健康,并通过运动来促进心肺、肌肉以及骨骼健康,增强身体平衡、协调能力。现有技术中,用户可以通过运动手环、智能手表等穿戴式智能设备,或者通过智能手机等统计每天完成的运动量,例如,运动步数等等,但是,现有的技术方案中仅仅能够被动的向用户提供运动统计数据,而如何为用户合理地推荐运动方案现有技术中并未涉及。
发明内容
本发明实施例提供了一种运动方案推荐方法、装置和存储介质,用于向用户推荐运动方案。
第一方面,提供一种运动方案推荐方法,包括:
根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体;
针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值;
根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作。
可选地,在根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体之前,还包括:
根据运动周期内包含的单位时间数量和每一单位时间所需的动作数量确定所述运动周期所需的动作总数量;
如果所述标准动作库中包含的动作数量小于所述动作总数量,则根据两者的差值从所述标准动作库中随机选择相应数量的动作补充到所述标准动作库中。
可选地,针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值,具体包括:
针对得到的每一群体中包含的每一动作个体,判断该群体中是否存在与该动作个体重复的动作个体,如果是,则确定该动作个体对应的适应值为第一预设值,如果否,则确定该动作个体对应的适应值为第二预设值。
可选地,根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案,具体包括:
步骤A、选择适应值为第二预设值的动作个体直接遗传到下一代群体;以及
步骤B、选择两个群体中适应值为第一预设值的动作个体进行交叉得到下一代群体;
针对得到的下一代群体,重复执行步骤A和步骤B,直至满足预设的迭代截止条件,所述迭代截止条件包括以下任一条件:达到预设的迭代次数或者每一群体中包含的每一动作个体所对应的适应值为第二预设值。
可选地,在选择两个群体中适应值为第一预设值的动作个体进行交叉之后,得到下一代群体之前,还包括:
针对交叉后得到的新群体,分别确定各新群体中包含的每一动作个体所对应的适应值;
针对适应值为第一预设值的动作个体,从所述标准动作库中随机选择一个动作进行变异;以及
得到下一代群体,具体包括:
将变异后得到的新群体作为下一代群体。
第二方面,提供一种运动方案推荐装置,包括:
分配单元,用于根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体;
第一确定单元,用于针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值;
第二确定单元,用于根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作。
可选地,本发明实施例提供的运动方案推荐装置,还包括:
第三确定单元,用于在所述分配单元根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体之前,根据运动周期内包含的单位时间数量和每一单位时间所需的动作数量确定所述运动周期所需的动作总数量;
补充单元,用于如果所述标准动作库中包含的动作数量小于所述动作总数量,则根据两者的差值从所述标准动作库中随机选择相应数量的动作补充到所述标准动作库中。
可选地,所述第一确定单元,具体用于针对得到的每一群体中包含的每一动作个体,判断该群体中是否存在与该动作个体重复的动作个体,如果是,则确定该动作个体对应的适应值为第一预设值,如果否,则确定该动作个体对应的适应值为第二预设值。
可选地,所述第二确定单元,具体用于执行以下操作:步骤A、选择适应值为第二预设值的动作个体直接遗传到下一代群体;以及步骤B、选择两个群体中适应值为第一预设值的动作个体进行交叉得到下一代群体;针对得到的下一代群体,重复执行步骤A和步骤B,直至满足预设的迭代截止条件,所述迭代截止条件包括以下任一条件:达到预设的迭代次数或者每一群体中包含的每一动作个体所对应的适应值为第二预设值。
所述第二确定单元,还用于在选择两个群体中适应值为第一预设值的动作个体进行交叉之后,得到下一代群体之前,针对交叉后得到的新群体,分别确定各新群体中包含的每一动作个体所对应的适应值;针对适应值为第一预设值的动作个体,从所述标准动作库中随机选择一个动作进行变异;将变异后得到的新群体作为下一代群体。
第三方面,提供一种计算装置,包括至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述任一方法所述的步骤。
第四方面,提供一种计算机可读介质,其存储有可由计算装置执行的计算机程序,当所述程序在计算装置上运行时,使得所述计算装置执行上述任一方法所述的步骤。
本发明实施例提供的运动方案推荐方法、装置和存储介质中,通过将标准动作库中所包含的动作分配为不同的群体,并确定每一群体中每一动作个体的适应值,根据动作个体的适应值,利用遗传算法确定运动周期内的每一单位时间对应的运动方案并输出,由此实现了向用户推荐运动方案。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例提供的应用场景示意图;
图2为本发明实施例提供的运动方案推荐方法的实施流程示意图;
图3为本发明实施例中,确定该动作群体中包含的每一动作个体所对应的适应值;
图4为本发明实施例中,确定运动周期内的每一单位时间对应的运动方案的流程示意图;
图5为本发明实施例中,运动方案推荐装置的结构示意图;
图6为根据本发明实施方式的计算装置的结构示意图。
具体实施方式
为了实现向用户推荐运动方案,本发明实施例提供了一种运动方案推荐方法、装置和存储介质。
以下结合说明书附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
如图1所示,其为本发明实施例的应用场景示意图。用户10通过终端设备11中安装的客户端登录云服务器12,其中,客户端可以为网页的浏览器,也可以为安装于终端设备,如手机,平板电脑等中的客户端。
终端设备11与云服务器12之间通过网络进行通信连接,该网络可以为局域网、广域网等。终端设备11可以为便携设备(例如:手机、平板、笔记本电脑等),也可以为个人电脑(PC,Personal Computer),云服务器12可以为任何能够提供互联网服务的设备。
其中,用户10利用终端设备11通过向云服务器12注册获得用户名,云服务器12在用户进行注册成功后存储用户名以及与用户10设置的用户密码作为认证信息,后续用户10利用终端设备11再次登录云服务器12时,云服务器12向客户端返回登录页面,用户在客户端显示的登录页面输入认证信息(即用户名和用户密码)并提交给云服务器12,云服务器12比较用户提交认证信息与自身在用户注册时存储的认证信息是否一致以确定是否允许用户登录。
用户登录云服务器12成功后,可以向云服务器12请求推荐运动方案,云服务器根据预先存储的标准动作库,利用本发明实施例提供的运动方案推荐方法确定为用户推荐的运动方案,并发送给用户。具体实施时,本发明实施例提供的运动方案方法也可以由应用客户端实施,该应用客户端可以为独立的客户端,也可以嵌入其他应用客户端中,例如可以嵌入即时通信客户端中等等。这种情况下,应用客户端也需要预先存储标准动作库,或者从云服务器下载标准动作库,当标准动作库有更新时,云服务器可以通知应用客户端进行同步更新。
如图2所示,其为本发明实施例提供的运动方案推荐方法的实施流程示意图,可以包括以下步骤:
S11、根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体。
其中,运动周期的长短可以由用户设定,例如,运动周期可以为一周即7天,也可以为两周即14天,还可以为四周即28天等等,本发明实施例对此不进行限定。运动周期内的单位时间也可以根据实际需要进行设定,例如,单位时间可以设定为1天,即如果运动周期为一周,则其包含7个单位时间,如果如果运动周期为两周,则其包含14个单位时间,如果运动周期为四周,则其包含28个单位时间。
具体实施时,标准动作库中包含有若干数量的动作。将标准动作库中的动作根据根据运动周期内包含的单位时间数量,随机分配为相应数量的群体。以运动周期为28天,单位时间为1天以及每一单位时间所需的动作数量为18个为例,假设标准动作库中包含有504个动作个体为例,将其随机划分为28个动作群体,每一动作群体中包含有18个动作个体。
具体实施时,如果标准动作库中包含的动作数量大于运动周期所需的动作总数量,则可以从标准动作库中随机选择出所需数量的动作进行分配。例如,假设标准动作库中包含有600个动作个体,则可以从中随机选择504个进行分配。
具体实施时,如果标准动作库中包含的动作数量小于运动周期所需的动作总数量,则根据运动周期所需的动作总数量与标准动作库中包含的动作数量的差值,从标准动作库中随机选择相应数量的动作补充到所述标准动作库中。其中,运动周期所需的动作总数量可以根据运动周期内包含的单位时间数量和每一单位时间所需的动作数量的乘积确定。例如,假设标准动作库中包含300个动作,而运动周期为28天,单位时间为1天以及每一单位时间所需的动作数量为18个,这样,一个运动周期所需动作总数量为28*18=504个,但是标准动作库中仅仅包含300个动作,两者差值为204,这种情况下,根据本发明实施例,可以从标准动作库中随机选择出204个动作补充到标准动作库中,使其包含的动作数量达到运动周期所需的动作总数量,这样,在标准动作库中可能存在部分重复的动作。之后,再将标准动作库中的动作随机划分为28个动作群体,每一动作群体中包含有18个动作个体。
S12、针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值。
针对每一动作群体,本发明实施例中,可以按照图3所示的流程确定该动作群体中包含的每一动作个体所对应的适应值:
S21、针对得到的每一群体中包含的每一动作个体,判断该群体中是否存在与该动作个体重复的动作个体,如果是,执行步骤S22,否则,执行步骤S23。
延续上例,针对每一动作群体中包含的18个动作个体中的任一动作个体,如果其余的17个动作个体中存在重复的动作个体,则确定该动作个体对应的适应值为第一预设值,如果其与其余17个动作个体均不同,则确定该动作个体对应的适应值为第二预设值。
S22、确定该动作个体对应的适应值为第一预设值,流程结束。
其中,第一预设值可以根据实际需要进行设置,例如,可以第一预设阈值可以设置为0。
S23、确定该动作个体对应的适应值为第二预设值。
类似地,第二预设阈值也可以根据实际需要进行设置,具体实施时,只要保证第一预设值和第二预设值不同即可,例如,可以第一预设阈值可以设置为1。
S13、根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作。
具体实施时,步骤S13中可以按照图4所示的流程实施,包括以下步骤:
S31、选择适应值为第二预设值的动作个体直接遗传到下一代群体。
本步骤中,针对任一动作群体,对于该群体中适应值为第二预设值的动作个体直接遗传到下一代群体中。
S32、选择两个群体中适应值为第一预设值的动作个体进行交叉得到下一代群体。
对于适应值为第一预设值的动作个体,从其他群体中,随机选择一个适应值同样为第一预设值的动作个体两两进行交叉。
以两个动作群体A和B分别为{1,2,3,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17}和{11,12,13,14,15,15,16,17,18,19,20,21,22,23,24,25,26,27}为例,群体A中适应值为0的动作个体标识为3,群体B中适应值为0的动作个体标识为15,则具体实施时,可以将该两个动作个体进行交叉,交叉后得到新的动作群体,分别为{1,2,3,15,4,5,6,7,8,9,10,11,12,13,14,15,16,17}和{11,12,13,14,15,3,16,17,18,19,20,21,22,23,24,25,26,27}。
S33、判断得到的每一下一代群体是否满足预设的迭代截止条件,如果是,流程结束,否则返回执行步骤S31。
其中,迭代截止条件可以为以下任一条件:达到预设的迭代次数或者每一群体中包含的每一动作个体所对应的适应值为第二预设值。即迭代截止条件可以为:每一动作群体中包含的动作均不重复或者达到了预设的迭代次数,其中,迭代次数可以根据实际需要进行设定,其可以综合考虑算法的时间复杂度以及迭代结果的准确性需求,例如,可以设定为迭代100即停止。具体实施时,可以设定条件满足每一动作个体所对应的适应值为第二预设值的优先级更高,即如果满足了该条件,即使迭代次数小于100次也可停止迭代。
具体实施时,为了加快迭代收敛时间,在步骤S32中,交叉得到了新的动作群体之后,分别确定各新群体中包含的每一动作个体所对应的适应值;针对适应值为第一预设值的动作个体,从所述标准动作库中随机选择一个动作进行变异,将变异后得到的新群体作为下一代群体。具体实施时,在进行动作个体变异时,可以从标准动作库中随机选择一个动作个体进行替换,本发明实施例对此不进行限定。
最终,可以输出28个动作群体,每一动作群体中包含有18个动作个体。较佳地,为了提高用户体验,在向用户输出最终的运用方案之前,还可以将每一动作群体中的动作个体分类显示,例如,可以将***一致的划分为一类,如将站姿动作分为一类,将卧姿动作分为一类等等。这样,在运动周期包含的每一单位时间,分别向用户推荐其中一个动作群体。
本发明实施例提供的运动方案推荐方法、装置和存储介质中,通过将标准动作库中所包含的动作分配为不同的群体,并确定每一群体中每一动作个体的适应值,根据动作个体的适应值,利用遗传算法确定运动周期内的每一单位时间对应的运动方案并输出,由此实现了向用户推荐运动方案。
基于同一发明构思,本发明实施例中还提供了一种运动方案推荐装置,由于上述装置解决问题的原理与运动方案推荐方法相似,因此上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,其为本发明实施例提供的运动方案推荐装置的结构示意图,包括:
分配单元41,用于根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体;
第一确定单元42,用于针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值;
第二确定单元43,用于根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作。
可选地,本发明实施例提供的运动方案推荐装置,还包括:
第三确定单元,用于在所述分配单元根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体之前,根据运动周期内包含的单位时间数量和每一单位时间所需的动作数量确定所述运动周期所需的动作总数量;
补充单元,用于如果所述标准动作库中包含的动作数量小于所述动作总数量,则根据两者的差值从所述标准动作库中随机选择相应数量的动作补充到所述标准动作库中。
可选地,所述第一确定单元,具体用于针对得到的每一群体中包含的每一动作个体,判断该群体中是否存在与该动作个体重复的动作个体,如果是,则确定该动作个体对应的适应值为第一预设值,如果否,则确定该动作个体对应的适应值为第二预设值。
可选地,所述第二确定单元,具体用于执行以下操作:步骤A、选择适应值为第二预设值的动作个体直接遗传到下一代群体;以及步骤B、选择两个群体中适应值为第一预设值的动作个体进行交叉得到下一代群体;针对得到的下一代群体,重复执行步骤A和步骤B,直至满足预设的迭代截止条件,所述迭代截止条件包括以下任一条件:达到预设的迭代次数或者每一群体中包含的每一动作个体所对应的适应值为第二预设值。
所述第二确定单元,还用于在选择两个群体中适应值为第一预设值的动作个体进行交叉之后,得到下一代群体之前,针对交叉后得到的新群体,分别确定各新群体中包含的每一动作个体所对应的适应值;针对适应值为第一预设值的动作个体,从所述标准动作库中随机选择一个动作进行变异;将变异后得到的新群体作为下一代群体。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
在介绍了本发明示例性实施方式的运动方案推荐方法和装置之后,接下来,介绍根据本发明的另一示例性实施方式的计算装置。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
在一些可能的实施方式中,根据本发明的计算装置可以至少包括至少一个处理器、以及至少一个存储器。其中,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行本说明书上述描述的根据本发明各种示例性实施方式运动方案推荐方法中的步骤。例如,所述处理器可以执行如图1中所示的步骤S11、根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体,和步骤S12、针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值,以及步骤S13、根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作。
下面参照图6来描述根据本发明的这种实施方式的计算装置50。图6显示的计算装置50仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算装置50以通用计算设备的形式表现。计算装置50的组件可以包括但不限于:上述至少一个处理器51、上述至少一个存储器52、连接不同***组件(包括存储器52和处理器51)的总线53。
总线53表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、***总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器52可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)521和/或高速缓存存储器522,还可以进一步包括只读存储器(ROM)523。
存储器52还可以包括具有一组(至少一个)程序模块524的程序/实用工具525,这样的程序模块524包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算装置50也可以与一个或多个外部设备54(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与计算装置50交互的设备通信,和/或与使得该计算装置50能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口55进行。并且,计算装置50还可以通过网络适配器56与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器56通过总线53与用于计算装置50的其它模块通信。应当理解,尽管图中未示出,可以结合计算装置50使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
在一些可能的实施方式中,本发明提供的运动方案推荐方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在计算机设备上运行时,所述程序代码用于使所述计算机设备执行本说明书上述描述的根据本发明各种示例性实施方式的运动方案推荐方法中的步骤,例如,所述计算机设备可以执行如图1中所示的步骤S11、根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体,和步骤S12、针对得到的每一群体,分别确定该群体中包含的每一动作个体所对应的适应值,以及步骤S13、根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本发明的实施方式的用于运动方案推荐的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种运动方案推荐方法,其特征在于,包括:
根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体;
针对得到的每一群体,分别确定各群体中包含的每一动作个体所对应的适应值;
根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作;
其中,针对得到的每一群体,分别确定各群体中包含的每一动作个体所对应的适应值,具体包括:
针对得到的每一群体中包含的每一动作个体,判断该群体中是否存在与该动作个体重复的动作个体,如果是,则确定该动作个体对应的适应值为第一预设值,如果否,则确定该动作个体对应的适应值为第二预设值;
根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案,具体包括:
步骤A、选择适应值为第二预设值的动作个体直接遗传到下一代群体;以及
步骤B、选择两个群体中适应值为第一预设值的动作个体进行交叉得到下一代群体;
针对得到的下一代群体,重复执行步骤A和步骤B,直至满足预设的迭代截止条件,所述迭代截止条件包括以下任一条件:达到预设的迭代次数或者每一群体中包含的每一动作个体所对应的适应值为第二预设值。
2.如权利要求1所述的方法,其特征在于,在根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体之前,还包括:
根据运动周期内包含的单位时间数量和每一单位时间所需的动作数量确定所述运动周期所需的动作总数量;
如果所述标准动作库中包含的动作数量小于所述动作总数量,则根据两者的差值从所述标准动作库中随机选择相应数量的动作补充到所述标准动作库中。
3.如权利要求1所述的方法,其特征在于,在选择两个群体中适应值为第一预设值的动作个体进行交叉之后,得到下一代群体之前,还包括:
针对交叉后得到的新群体,分别确定各新群体中包含的每一动作个体所对应的适应值;
针对适应值为第一预设值的动作个体,从所述标准动作库中随机选择一个动作进行变异;以及
得到下一代群体,具体包括:
将变异后得到的新群体作为下一代群体。
4.一种运动方案推荐装置,其特征在于,包括:
分配单元,用于根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体;
第一确定单元,用于针对得到的每一群体,分别确定各群体中包含的每一动作个体所对应的适应值;
第二确定单元,用于根据各群体中包含的每一动作个体所对应的适应值,利用遗传算法确定所述运动周期内的每一单位时间对应的运动方案并输出,所述运动方案中包含有预设数量的动作;
其中,所述第一确定单元,具体用于针对得到的每一群体中包含的每一动作个体,判断该群体中是否存在与该动作个体重复的动作个体,如果是,则确定该动作个体对应的适应值为第一预设值,如果否,则确定该动作个体对应的适应值为第二预设值;
所述第二确定单元,具体用于执行以下操作:步骤A、选择适应值为第二预设值的动作个体直接遗传到下一代群体;以及步骤B、选择两个群体中适应值为第一预设值的动作个体进行交叉得到下一代群体;针对得到的下一代群体,重复执行步骤A和步骤B,直至满足预设的迭代截止条件,所述迭代截止条件包括以下任一条件:达到预设的迭代次数或者每一群体中包含的每一动作个体所对应的适应值为第二预设值。
5.如权利要求4所述的装置,其特征在于,还包括:
第三确定单元,用于在所述分配单元根据运动周期内包含的单位时间数量,将标准动作库中所包含的动作随机分配为相应数量的群体之前,根据运动周期内包含的单位时间数量和每一单位时间所需的动作数量确定所述运动周期所需的动作总数量;
补充单元,用于如果所述标准动作库中包含的动作数量小于所述动作总数量,则根据两者的差值从所述标准动作库中随机选择相应数量的动作补充到所述标准动作库中。
6.如权利要求4所述的装置,其特征在于,
所述第二确定单元,还用于在选择两个群体中适应值为第一预设值的动作个体进行交叉之后,得到下一代群体之前,针对交叉后得到的新群体,分别确定各新群体中包含的每一动作个体所对应的适应值;针对适应值为第一预设值的动作个体,从所述标准动作库中随机选择一个动作进行变异;将变异后得到的新群体作为下一代群体。
7.一种计算装置,包括至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行权利要求1~3任一权利要求所述方法的步骤。
8.一种计算机可读介质,其存储有可由计算装置执行的计算机程序,当所述程序在计算装置上运行时,使得所述计算装置执行权利要求1~3任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810336517.6A CN108550385B (zh) | 2018-04-13 | 2018-04-13 | 一种运动方案推荐方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810336517.6A CN108550385B (zh) | 2018-04-13 | 2018-04-13 | 一种运动方案推荐方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108550385A CN108550385A (zh) | 2018-09-18 |
CN108550385B true CN108550385B (zh) | 2021-03-09 |
Family
ID=63514888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810336517.6A Active CN108550385B (zh) | 2018-04-13 | 2018-04-13 | 一种运动方案推荐方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108550385B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489298A (zh) * | 2009-01-08 | 2009-07-22 | 东南大学 | 适用于移动组播***的离散速率跨层功率分配方法 |
CN102999783A (zh) * | 2012-11-08 | 2013-03-27 | 哈尔滨工程大学 | 基于遗传禁忌混合算法的多输入多输出雷达正交多相码信号产生方法 |
CN104545932A (zh) * | 2014-10-22 | 2015-04-29 | 北京耀华知己健康管理有限公司 | 一种有效运动量监测装置以及包含该装置的健康管理*** |
CN105808915A (zh) * | 2014-12-30 | 2016-07-27 | 环达电脑(上海)有限公司 | 锻炼计划自动调整方法 |
CN106228200A (zh) * | 2016-10-17 | 2016-12-14 | 中北大学 | 一种不依赖于动作信息采集设备的动作识别方法 |
CN106371611A (zh) * | 2016-09-30 | 2017-02-01 | 无锡吾成互联科技有限公司 | 一种钢琴弹奏教学辅助装置 |
CN106422332A (zh) * | 2016-09-08 | 2017-02-22 | 腾讯科技(深圳)有限公司 | 应用于游戏的人工智能操作方法和装置 |
CN106990832A (zh) * | 2016-06-20 | 2017-07-28 | 珠海柏恩电子科技有限公司 | 脑损伤手腕动作智能康复训练装置 |
CN107153812A (zh) * | 2017-03-31 | 2017-09-12 | 深圳先进技术研究院 | 一种基于机器视觉的运动辅助方法及*** |
CN104318008B (zh) * | 2014-10-20 | 2018-01-16 | 哈尔滨工程大学 | 一种基于松弛约束遗传单纯形算法的冷凝器优化设计方法 |
CN107895595A (zh) * | 2017-11-14 | 2018-04-10 | 重庆大学 | 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 |
-
2018
- 2018-04-13 CN CN201810336517.6A patent/CN108550385B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489298A (zh) * | 2009-01-08 | 2009-07-22 | 东南大学 | 适用于移动组播***的离散速率跨层功率分配方法 |
CN102999783A (zh) * | 2012-11-08 | 2013-03-27 | 哈尔滨工程大学 | 基于遗传禁忌混合算法的多输入多输出雷达正交多相码信号产生方法 |
CN104318008B (zh) * | 2014-10-20 | 2018-01-16 | 哈尔滨工程大学 | 一种基于松弛约束遗传单纯形算法的冷凝器优化设计方法 |
CN104545932A (zh) * | 2014-10-22 | 2015-04-29 | 北京耀华知己健康管理有限公司 | 一种有效运动量监测装置以及包含该装置的健康管理*** |
CN105808915A (zh) * | 2014-12-30 | 2016-07-27 | 环达电脑(上海)有限公司 | 锻炼计划自动调整方法 |
CN106990832A (zh) * | 2016-06-20 | 2017-07-28 | 珠海柏恩电子科技有限公司 | 脑损伤手腕动作智能康复训练装置 |
CN106422332A (zh) * | 2016-09-08 | 2017-02-22 | 腾讯科技(深圳)有限公司 | 应用于游戏的人工智能操作方法和装置 |
CN106371611A (zh) * | 2016-09-30 | 2017-02-01 | 无锡吾成互联科技有限公司 | 一种钢琴弹奏教学辅助装置 |
CN106228200A (zh) * | 2016-10-17 | 2016-12-14 | 中北大学 | 一种不依赖于动作信息采集设备的动作识别方法 |
CN107153812A (zh) * | 2017-03-31 | 2017-09-12 | 深圳先进技术研究院 | 一种基于机器视觉的运动辅助方法及*** |
CN107895595A (zh) * | 2017-11-14 | 2018-04-10 | 重庆大学 | 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108550385A (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11082301B2 (en) | Forecasting computer resources demand | |
US10713574B2 (en) | Cognitive distributed network | |
US10737179B2 (en) | Predictive recommendations for skills development | |
US9762552B2 (en) | Efficient sensor data delivery | |
EP3430511A1 (en) | Batching inputs to a machine learning model | |
TW201923675A (zh) | 資訊推薦方法及裝置、設備 | |
US10896407B2 (en) | Cognitive adaptation to user behavior for personalized automatic processing of events | |
US10055705B2 (en) | Just in time learning driven by point of sale or other data and metrics | |
US10262266B2 (en) | Identifying and analyzing impact of an event on relationships | |
CN109657829A (zh) | 服务请求处理方法、装置、电子设备及计算机可读介质 | |
CN113850394B (zh) | 联邦学习方法、装置、电子设备及存储介质 | |
US11348036B1 (en) | Optimizing machine learning models with a device farm | |
CN110782979A (zh) | 医疗任务分配方法及装置、电子设备、存储介质 | |
EP4222598A1 (en) | Optimizing job runtimes via prediction-based token allocation | |
CN111221449A (zh) | 一种分享式活动的建立及展示方法、装置和电子设备 | |
US20230177337A1 (en) | Multi-objective driven refactoring of a monolith application using reinforcement learning | |
CN115794323A (zh) | 任务调度方法、装置、服务器和存储介质 | |
CN108550385B (zh) | 一种运动方案推荐方法、装置和存储介质 | |
US20180197150A1 (en) | Enforcement of services agreement and management of emotional state | |
Zheng et al. | On dynamic performance estimation of fault-prone Infrastructure-as-a-Service clouds | |
CN116661936A (zh) | 页面数据的处理方法、装置、计算机设备及存储介质 | |
CN109543928B (zh) | 信息输出方法和装置 | |
US10949618B2 (en) | Conversation content generation based on user professional level | |
CN113781084A (zh) | 一种调查问卷展示方法和装置 | |
US20200227164A1 (en) | Entity condition analysis based on preloaded data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |