СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ ВИЗНАЧЕННЯ ОПТИМАЛЬНОГО СКЛАДУ КОМАНДИ ВИКОНАВЦІВ НА ПРИКЛАДІ СПОРТИВНОГО ВАРІАНТУ ГРИ «ЩО? ДЕ? КОЛИ?»
DOI:
https://doi.org/10.20998/2079-0023.2021.01.02Анотація
В роботі була поставлена задача створення системи підтримки прийняття рішень, що дозволяє визначити оптимальний склад команди виконавців. У якості предметної області обрано спортивний варіант гри «Що? Де? Коли?». Описано принципи проведення турнірів з інтелектуальної гри «Що? Де? Коли?» і правила формування команд для участі в таких змаганнях. Зроблено висновок, що для передбачення впливу змін у складі команди на результат доцільно використовувати сучасні математичні та інтелектуальні методи, в тому числі – метод штучних нейронних мереж. Наведено наявні дані про результати синхронних турнірів ЛУК (СТ) з 2011 року і міських турнірах (МТ) з 2017 року, охарактеризовано основні показники по кожному змаганню. Обґрунтовано введення вихідних факторів: відношення результату команди до середнього результату і відношення результату команди до результату переможця. Сформульовано задачу прогнозування як передбачення відносного результату команди на конкретній грі за наявним переліком гравців команди на цю гру. Запропоновано враховувати місце проведення конкретної гри, а участь гравців фіксувати у вигляді «частки» вкладу в результат команди, при цьому сума «часток» усіх гравців повинна дорівнювати одиниці. Запропоновано метод штучних нейронних мереж з архітектурою двошарового персептрону, активаційною функцією сигмоїдою і алгоритмом зворотного поширення помилок для навчання мережі. Наведено приклади розрахунку в середовищі Deductor Studio Lite. Зроблено висновки, що для практичного застосування моделі постійне використання стандартних пакетів не є добрим. Крім того, також необхідно вирішити задачу автоматизації підбору складу команди. Описано розроблений в середовищі візуального програмування додаток – система підтримки прийняття рішень, яка дозволяє імпортувати вхідні дані з XLS-файлу, налаштовувати вхідні і вихідні фактори, змінювати архітектуру нейронної мережі (число прихованих шарів і число нейронів у кожному шарі), проводити навчання нейронної мережі методом зворотного поширення помилок, зберігати мережу на диску і завантажувати її заново, здійснювати розрахунок значень для даних, що вводяться, проводити пошук варіантів складу команди. Розроблена система підтримки прийняття рішень дозволяє за допомогою перебору варіантів давати рекомендації щодо формування команди на конкретний турнір.
Ключові слова: інтелектуальні ігри, перелік питань, формування команди, прогнозування, штучна нейронна мережа, персептрон, сигмоїда, навчання мережі.
Посилання
Galkina T.P. Sotsiologiya upravleniya: ot gruppy k komande: Ucheb. posobie [Sociology of management: from group to team: Textbook. allowance]. Moscow, Finance and Statistics Publ., 2003. 224 p.
Gallert Manfred. Vse o komandoobrazovanii: rukovodstvo dlya trenerov [All About Team Building: A Guide for Coaches] / Translated from German. Manfred Gellert, Klaus Novak. Moscow: Vershina Publ, 2006. 352 p.
Semina A. P. Komanda kak gruppovaya forma organizatsii truda. [Team as a group form of work organization.]. Bulletin of the Altai Academy of Economics and Law. 2019. № 12-1. С. 128–133. Available at: https://vaael.ru/ru/article/view?id=858 (accessed 18.03.2021)
Liga ukrainskikh klubov – LUK [League of Ukrainian Clubs – LUC]. Available at: http://luk.org.ua/ (accessed 16.03.2021).
Reglament provedeniya Chempionata Ukrainy po sportivnomu variantu intellektual’noy igry «Chto? Gde? Kogda?» bez ogranicheniya vozrasta [Regulations of the Championship of Ukraine in the sports version of the intellectual game “What? Where? When?" no age limit]. URL: https://goo.gl/DhJDHc (accessed 16.03.2021).
Klub intellektual’nykh igr DGMA [Club of intellectual games of DSEA]. Available at: https://www.facebook.com/groups/dgma.kii/ (accessed 16.03.2021).
Polozhenie o sostavakh komand-uchastnits Chempionata Ukrainy po sportivnomu variantu igry «Chto? Gde? Kogda?» bez ogranicheniya vozrasta [Regulations on the composition of the teams participating in the Championship of Ukraine in the sports version of the game “What? Where? When?" no age limit]. Available at: http://luk.org.ua/documents/polozhenie-o-sostavah (accessed 16.03.2021).
Kasyuk S. T., Vakhtomova E. M. Ispol’zovanie neyronnykh setey dlya analiza i prognozirovaniya dannykh v fizicheskoy kul’ture i sporte [Using neural networks for data analysis and forecasting in physical culture and sports]. Scientific and theoretical journal "Scientific notes", 2013, № 12 (106), pp. 72–77.
Krutikov A. K. Prognozirovanie sportivnykh rezul’tatov v individual’nykh vidakh sporta s pomoshch’yu obobshchennoregressionnoy neyronnoy seti [Prediction of sports results in individual sports using a generalized regression neural network]. Young scientist, 2018, № 12, pp. 22–26. Available at: https://moluch.ru/archive/198/48884/ (accessed 20.01.2020).
Kallan R. Osnovnye kontseptsii neyronnykh setey [Basic concepts of neural networks]. Moscow: Williams Publ., 2001. 288 с.
Khaykin S. Neyronnye seti: polnyy kurs, 2-e izdanie [Neural Networks: Complete Course, 2nd Edition] / Translation from English. Moscow: Williams Publ., 2006. 1104 с.
Kovalevskiy S. V., Gitis V. B. Sozdanie i primenenie neyronnykh setey dlya resheniya prikladnykh zadach: Uchebno-metodicheskoe posobie dlya studentov spetsial’nosti «Intellektual’nye sistemy prinyatiya resheniy» [Creation and application of neural networks for solving applied problems: Study guide for students of the specialty "Intelligent decision-making systems"]. Kramatorsk: DSEA Publ., 2008. 75 p.
BaseGroup Labs: ofitsial’nyy sayt [BaseGroup Labs: official site]. Available at: https://basegroup.ru/community/articles/intro (accessed 16.03.2021).
Mel’nikov A. Yu. O vozmozhnostyakh primeneniya neyrosetevogo modelirovaniya dlya opredeleniya optimal’nogo sostava komandy po igre «Chto? Gde? Kogda?» i prognozirovaniya ee rezul’tatov [On the possibilities of using neural network modeling to determine the optimal team composition for the game “What? Where? When?" and predicting its results]. Neural network technologies and their application NMTiZ-2018: a collection of scientific papers of the AllUkrainian scientific conference with international participation "Neural network technologies and their application NMTiZ-2018" / for general. ed. SV Kovalevsky. Kramatorsk: DSEA Publ., 2018, pp. 71–74.
Mel’nikov A. Yu. Primenenie neyrosetevogo modelirovaniya dlya opredeleniya optimal’nogo sostava komandy v igre «Chto? Gde? Kogda?» i prognozirovaniya ee rezul’tatov [Application of neural network modeling to determine the optimal composition of the team in the game “What? Where? When?" and predicting its results]. Bulletin of the Donbass State Engineering Academy: a collection of scientific papers. Kramatorsk: DSEA Publ., 2020, № 1 (48), pp. 154– 160.
«Chto? Gde? Kogda?»: chetvertyy gorodskoy turnir ["What? Where? When? ": Fourth city tournament]. Available at: https://www.facebook.com/groups/dgma.kii/permalink/1539402616 220690/ (accessed 16.03.2021).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
ЛіцензіяАвтори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
