大规模多样化组合优化：ESPN 梦幻足球球员交易
人工智能
2022-04-20 v3
摘要
即使是熟练的梦幻足球经理也可能对其中期阵容感到失望，因为有些球员不可避免地未能达到选秀日的期望。球队经理会很快发现，即使他们派上最好的首发球员，球队的得分上限也很低。一种新颖且多样化的组合优化系统在互补球队之间提出大量且独特的球员交易，以平衡交易公平性。多种算法通过计算模型集成创建每位梦幻足球球员的估值：带置换重要性的量子支持向量分类器（QSVC-PI）、带累积局部效应的量子支持向量分类器（QSVC-ALE）、带置换重要性的变分量子线路（VQC-PI）、带置换重要性的混合量子神经网络（HQNN-PI）、极端梯度提升分类器（XGB）以及主题专家（SME）规则。每位球员的估值根据联盟规则、阵容和选择进行个性化定制。交易送出球员的成本与球队阵容相关，例如位置深度、位置槽数量和位置重要性。球队根据余弦相异度得分进行配对交易，以便球队能够互补优势与劣势。0-1 背包算法为每支球队计算送出的球员。后处理器应用分析与深度学习模型来衡量每笔交易的 6 个不同目标指标。在 2020 年和 2021 年全国橄榄球联盟（NFL）赛季期间，来自 IBM 和 ESPN 的 24 位专家组通过 10 次足球误差分析工具（FEAT）会议评估了交易质量。我们的系统初始高质量交易比例为 76.9%，并在 2021 赛季部署时达到了 97.3% 的高质量交易。为了增加交易数量，我们的量子、经典与基于规则的计算实现了 100% 的交易独特性。我们在整个工作中使用了 Qiskit 的量子模拟器。
引用
@article{arxiv.2111.02859,
title = {Large Scale Diverse Combinatorial Optimization: ESPN Fantasy Football Player Trades},
author = {Aaron Baughman and Daniel Bohm and Micah Forster and Eduardo Morales and Jeff Powell and Shaun McPartlin and Raja Hebbar and Kavitha Yogaraj and Yoshika Chhabra and Sudeep Ghosh and Rukhsan Ul Haq and Arjun Kashyap},
journal= {arXiv preprint arXiv:2111.02859},
year = {2022}
}
备注
16 pages, 6 figures, 30 equations