通过大数据与人工智能对体能训练进行“赋能”是解决中国缺乏高水平教练员与科研人员问题的重要途径之一。同时,在我国引进新的训练方法时如何帮助我国基层教练员与体能教练合理的应用这些训练手段也是我国急需解决的课题。本研究以动态不确定因果图（DUCG）在羽毛球男子运动员体能训练方案推荐的应用为研究对象,旨在探索人工智能与体能训练的融合,以达到帮助教练员与体能教练进行体能训练方案制定的目的。以男子羽毛球项目为例,建立体能训练动作库,通过动态不确定因果图（DUCG）算法为不同水平和不同状态下的运动员进行体能训练方案的推荐,可以在我国顶尖水平教练员稀缺的条件下,给与新手教练员相对精确的训练方案制定指导。研究有利于在全面梳理体能训练发展,总结规律与经验教训后,探索羽毛球体能训练结合人工智能算法推荐训练方案的发展道路;通过体能训练的方案制定与动态不确定因果图进行结合,在体能训练理论的基础上结合国家级教练员的经验输入,以此为推荐依据,为探索人工智能算法和体能训练结合的发展奠定基础。本研究通过文献资料法,从时间线的角度对体能训练的发展进行了较为全面的历史回顾和现状研究,特别是研究了对于其他学科与体能训练的融合与推动作用,得出体能训练是通过不断和别的学科进行融合而有新发展的结论,为展望体能学科的发展做出铺垫。同时,阐述羽毛球的项目特征、体能训练需要与现有的羽毛球体能分级标准,结合DUCG在辅助诊断的应用以探索二者的融合,并且通过问卷调查的方法,对于新手教练员与DUCG推荐结果进行对比。研究表明,算法推荐体能训练方案是结合了体能训练的基本原理、国家级教练员的经验与人工智能的算法,形成的体育+人工智能的推荐系统;通过DUCG推荐的体能训练方案可以帮助新手教练员制定更接近国家队教练员的训练方案,有效地提高制定更适合运动员的体能训练方案的概率;同时,推荐系统具有应用在其他项目中的潜在价值。在未来的研究中,建议增加和丰富推荐算法中的动作内容,并且在推荐过程中,使得算法可根据先前的训练内容来制定下一次的训练方案。