Система поддержки принятия решений для определения оптимального состава команды исполнителей на примере спортивного варианта игры "Что? Где? Когда?"

Abstract

В работе была поставлена задача создания системы поддержки принятия решений, позволяющей определить оптимальный состав команды исполнителей. В качестве предметной области выбран спортивный вариант игры «Что? Где? Когда?». Описаны принципы проведения турниров по интеллектуальной игре «Что? Где? Когда?» и правила формирования команд для участия в таких соревнованиях. Сделан вывод, что для предсказания влияния изменений в составе команды на результат целесообразно использовать современные математические и интеллектуальные методы, в том числе – метод искусственных нейронных сетей. Приведены имеющиеся данные о результатах синхронных турниров ЛУК (СТ) с 2011 года и городских турнирах (ГТ) с 2017 года, охарактеризованы основные показатели по каждому соревнованию. Обосновано введение выходных факторов: отношение результата команды к среднему результату и отношение результата команды к результату победителя. Сформулирована задача прогнозирования как предсказание относительного результата команды на конкретной игре по имеющемуся перечню игроков команды на эту игру. Предложено учитывать место проведения конкретной игры, а участие игроков фиксировать в виде «доли» вклада в результат команды, при этом сумма «долей» всех игроков должна быть равной единице. Предложен метод искусственных нейронных сетей с архитектурой двухслойного персептрона, активационной функцией сигмоидой и алгоритмом обратного распространения ошибок для обучения сети. Приведены примеры расчета в среде Deductor Studio Lite. Сделаны выводы, что для практического применения модели постоянное использование стандартных пакетов неприменимо. Кроме того, также необходимо решить задачу автоматизации выбора состава команды. Описано разработанное в среде визуального программирования приложение – система поддержки принятия решений, которая позволяет импортировать исходные данные из XLS-файла, настраивать входные и выходные факторы, изменять архитектуру нейронной сети (число скрытых слоев и число нейронов в каждом слое), проводить обучение нейронной сети методом обратного распространения ошибок, сохранять обученную сеть на диске и загружать ее заново, осуществлять расчет значений для вводимых данных, проводить поиск вариантов состава команды. Разработанная система поддержки принятия решений позволяет посредством перебора вариантов давать рекомендации по формированию команды на конкретный турнир.The paper describes the task to create a decision support system that allows you to determine the optimal composition of the team of performers. The sports version of the game “What? Where? When?" is chosen. The principles of holding tournaments on the intellectual game “What? Where? When?" and the rules for the formation of teams to participate in such competitions. It is concluded that to predict the impact of changes in the team composition on the result, it is advisable to use modern mathematical and intellectual methods, including the method of artificial neural networks. The available data on the results of synchronous tournaments LUK (ST) since 2011 and city tournaments (GT) since 2017 are presented, the main indicators for each competition are characterized. The introduction of the output factors is substantiated: the ratio of the team’s result to the average result and the ratio of the team’s result to the winner’s result. The forecasting problem is formulated as a prediction of the relative result of a team on a specific game based on the available list of team players for this game. It is proposed to take into account the location of a particular game, and fix the participation of players in the form of a “share” of the contribution to the team’s result, while the sum of the “shares” of all players should be equal to one. A method of artificial neural networks with a two-layer perceptron architecture, a sigmoid activation function and an error propagation algorithm for training a network is proposed. Examples of calculation in the Deductor Studio Lite environment are given. It is concluded that for the practical application of the model, the constant use of standard packages is inapplicable. In addition, it is also necessary to solve the problem of automating the selection of the team composition. Described is an application developed in a visual programming environment – a decision support system that allows you to import source data from an XLS file, configure input and output factors, change the architecture of the neural network (the number of hidden layers and the number of neurons in each layer), train the neural network using the backpropagation of errors, save the trained network on disk and load it again, calculate values for the input data, search for options for the composition of the team. The developed decision support system makes it possib le to give recommendations on the formation of a team for a specific tournament by enumerating options.