2022年美赛A题思路分析

2022年美赛A题思路分析

咱们少说废话，直接进入正题：

问题解读

开发一个可应用于任何类型骑手的模型，确定骑手在球场上的位置与骑手应用的力量之间的关系。骑手在整个赛程中可以消耗的总能量是有限制的，同时也有因过去的攻击性和超过功率曲线限制而累积的限制。需要考虑的是：

• 在特定的时间长度内，功率曲线提供了骑手在给定时间内可以保持的最大功率。
• 骑手产生的功率越大，骑手在不得不减少功率并恢复之前维持该功率的时间就越短。
• 骑手可以选择短暂地超过功率曲线上的限制，但骑手需要额外的时间在较低的功率水平下恢复。
• 过去车手的功率输出很重要，随着比赛的进行，车手会越来越疲劳。
• 骑手们总是希望尽可能缩短完成给定距离所需的时间。

问题要求

• 定义两种类型骑手的功率曲线。你的一名骑手应该是计时专家，另一名骑手应该是不同类型的骑手。
• 将你的模型应用于各种计时赛事上；
• 确定天气条件的潜在影响，包括风向和风力，以确定结果对天气和环境的微小差异的敏感程度。
• 确定结果对偏离目标功率分布的骑手偏差的敏感性。
• 讨论如何扩展您的模型。

功率曲线

功率曲线是一段时间内可以产生的功率的图形表示。x轴上是时间，y轴上是瓦特。所有功率曲线都是唯一的，但通常都是左端较高，右端较低。这是因为我们能产生的能量随着时间的推移而减少。

正如题目所叙述，有多类不同类型的骑手：

短功率

短功率骑手可以保持一定的功率大约20秒，然后功率的曲线急剧下降：

持续功率

功率曲线从一分钟到五小时一直保持平坦，具有很高的抗疲劳能力，并且能够长时间保持接近阈值的功率。

VO2 Max

在曲线的两分钟和四分钟，功率增加。五分钟后，功率下降。属于短而有力的攀登爬坡类型的骑手。

不同类型的功率曲线对应不同类型的骑士，应当考虑到他们的特性去做一个解决方案。

数学模型

对于这类连续性优化问题，我们一般有两种方式去建模求解：

动态规划&Q-learning

我们设针对的骑士$i$的当前坡道位置以及此时的环境等消息用数组或张量表示，记作状态$S_t$，加入在$t$时骑手应用的力量可以用动作$A_t$表示，则我们的问题相当于找到一个最优的策略$\pi$，使得我们最终最短时间的到达目的点，也就是我们应该对每个过程给予一定的惩罚，如果没有到达目的点，则反馈一个回报$R=-1$，则此时骑手状态的价值可以建模表示为：
$$\underset{\pi }{\max }\mathbb{E}\left[\sum _{t=0}^H{\gamma }^{t}R\left(S_t,A_t,S_{t+1}\right)\mid \pi \right]$$
对于上式的求解，.。。。。

程序

程序和思路详情：代码
将不断更新中