利用真实世界流畅目标优化长期结果：以足球为例
人工智能
2021-02-19 v1 计算机科学与博弈论
摘要
在本文中，我们提出了一种新颖的方法，通过封装给定时间范围内联赛环境中的事件，来优化足球（soccer）中的长期战术与战略决策。我们对各球队在一个赛季中的目标进行建模，并跟踪这些目标随比赛展开而如何演变，从而给出一个流畅目标（fluent objective），可辅助比赛中的决策。我们开发了马尔可夫链蒙特卡洛和基于深度学习的算法，利用流畅目标从先前比赛及环境中的其他比赛中学习，以提升球队的长期表现。使用来自760场比赛的真实世界数据集对我们的方法进行仿真表明，通过采用基于流畅目标与先前比赛的优化战术，我们平均可使球队在联赛中的平均期望排名分布提升高达35.6%。
引用
@article{arxiv.2102.09469,
title = {Optimising Long-Term Outcomes using Real-World Fluent Objectives: An Application to Football},
author = {Ryan Beal and Georgios Chalkiadakis and Timothy J. Norman and Sarvapali D. Ramchurn},
journal= {arXiv preprint arXiv:2102.09469},
year = {2021}
}
备注
Pre-Print - Accepted for publication at AAMAS-21