procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»10.34822/1999-7604-2022-3-14-24procyber-452Research ArticleТЕХНИЧЕСКИЕ НАУКИEngeneeringМАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И АНАЛИЗ ДЛЯ ОПРЕДЕЛЕНИЯ СИЛЫ ИГРОКА СЁГИMATHEMATICAL MODELING AND ANALYSIS TO DETERMINE A SHOGI PLAYER’S SKILL LEVELhttps://orcid.org/0000-0001-7045-9085БобровскаяО. П.BobrovskayaO. P.

магистрантE-mail: o-bobrovskaya@mail.ru

Master’s Degree Student

E-mail: o-bobrovskaya@mail.ru

https://orcid.org/0000-0003-1007-7610ЛысенковаС. А.LysenkovaS. V.

кандидат физико-математических наук

E-mail: lysenkova_sa@surgu.ru

Candidate of Sciences (Physics and Mathematics)

E-mail: lysenkova_sa@surgu.ru

Сургутский государственный университет, СургутРоссияSurgut State University, SurgutRussian Federation20220311202203 (47)1424Copyright © Бобровская О.П., Лысенкова С.А., 20222022Бобровская О.П., Лысенкова С.А.Bobrovskaya O.P., Lysenkova S.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/452

Рассматриваются численные оценки позиций фигур на доске в партии сёги, получаемые от компьютерной программы. С использованием этих оценок предполагается рассчитать силу игрока, для чего требуется собрать данные, рассмотреть и повторить существующие подходы, предложить и реализовать свой подход, сравнить результаты. Проводится повторение подхода Феррейры, в котором на основании распределения выигрыша двух игроков рассчитывается разница их силы. При реализации подхода Ямаситы ищется зависимость между рейтингом Эло и средним ухудшением оценки позиции в результате плохого хода. Предлагается собственный подход к оценке силы игрока. Для этого рассматривается зависимость процента побед, хороших и плохих ходов, разницы оценки реальных и идеальных ходов и среднего улучшения позиции от рейтинга Эло. Предпринимаются попытки кластеризовать партии и ходы.

The study deals with obtaining numerical estimates of shogi pieces’ disposition on the board with the help of software. Using these estimates, the authors intend to evaluate a player’s skill. That requires collecting data, reviewing and repeating existing approaches, proposing and implementing the authors’ approach, and comparing the results. The difference in strength of two players is calculated based on their win distribution via resimulation of the Ferreira approach. In implementing Yamashita’s approach, the relation between Elo rating and the average degradation of the position estimate as a result of a bad move is searched for. The authors’ approach is proposed to estimate a player’s skill. Hence, the dependence of wins, good and bad moves, the deviation of the estimates of real and ideal moves, and the average improvement of the position from the Elo rating are analyzed. The study attempts to cluster plays and moves.

компьютерный движоккластеризациярейтинг Элоcomputer engineclusteringElo ratingReferencesDrezewski R., Wątor G. Chess as Sequential Data in a Chess Match Outcome Prediction Using Deep Learning with Various Chessboard Representations // Procedia Computer Science. 2021. Vol. 192. P. 1760–1769.Drezewski R., Wątor G. Chess as Sequential Data in a Chess Match Outcome Prediction Using Deep Learning with Various Chessboard Representations // Procedia Computer Science. 2021. Vol. 192. P. 1760–1769.Guid M., Bratko I. Computer Analysis of World Chess Champions // ICGA Journal. 2006. Vol. 29, № 2. P. 65–73.Guid M., Bratko I. Computer Analysis of World Chess Champions // ICGA Journal. 2006. Vol. 29, № 2. P. 65–73.Regan K. W., Haworth G. M. Intrinsic Chess Ratings // Proceedings of the AAAI Conference on Artificial Intelligence. 2011. Vol. 25, № 1. P. 834–839.Regan K. W., Haworth G. M. Intrinsic Chess Ratings // Proceedings of the AAAI Conference on Artificial Intelligence. 2011. Vol. 25, № 1. P. 834–839.Alliot J.-M. Who is the Master? // ICGA Journal. 2017. Vol. 39, № 1. P. 3–43.Alliot J.-M. Who is the Master? // ICGA Journal. 2017. Vol. 39, № 1. P. 3–43.Ferreira D. R. Determining the Strength of Chess Players Based on Actual Play // ICGA Journal. 2012. Vol. 35, № 1. P. 3–19.Ferreira D. R. Determining the Strength of Chess Players Based on Actual Play // ICGA Journal. 2012. Vol. 35, № 1. P. 3–19.Yamashita H. Pro Shogi Players Rating and Game Record Analysis // Proceedings of the Game Programming Workshop. 2014. P. 9–16.Yamashita H. Pro Shogi Players Rating and Game Record Analysis // Proceedings of the Game Programming Workshop. 2014. P. 9–16.Takatsu K., Takada H., Hirata T. How to Estimate the Rating of the Youngest Professional Shogi Player Souta Fujii // Memoir of Graduate School of Engineering, University of Fukui. 2019. Vol. 67. P. 1–9.Takatsu K., Takada H., Hirata T. How to Estimate the Rating of the Youngest Professional Shogi Player Souta Fujii // Memoir of Graduate School of Engineering, University of Fukui. 2019. Vol. 67. P. 1–9.Christ M., Braun N., Neuffer J., Kempa-Liehr A. W. Time Series FeatuRe Extraction on Basis of Scalable Hypothesis Tests (Tsfresh – A Python Package) // Neurocomputing. 2018. Vol. 307. P. 72–77. URL: https://www.sciencedirect.com/science/article/pii/S0925231218304843 (дата обращения: 23.05.2022).Christ M., Braun N., Neuffer J., Kempa-Liehr A. W. Time Series FeatuRe Extraction on Basis of Scalable Hypothesis Tests (Tsfresh – A Python Package) // Neurocomputing. 2018. Vol. 307. P. 72–77. URL: https://www.sciencedirect.com/science/article/pii/S0925231218304843 (дата обращения: 23.05.2022).Umargono E., Suseno J. E., Gunawan S. K. V. K-Means Clustering Optimization Using the Elbow Method and Early Centroid Determination Based on Mean and Median Formula // Proceedings of the 2nd International Seminar on Science and Technology (ISSTEC 2019). 2020. P. 121–129. URL: https://www.researchgate.net/publication/346349075_K-Means_Clustering_Optimization_Using_the_Elbow_Method_and_Early_Centroid_Determination_Based_ on_Mean_and_Median_Formula (дата обращения: 29.05.2022).Umargono E., Suseno J. E., Gunawan S. K. V. K-Means Clustering Optimization Using the Elbow Method and Early Centroid Determination Based on Mean and Median Formula // Proceedings of the 2nd International Seminar on Science and Technology (ISSTEC 2019). 2020. P. 121–129. URL: https://www.researchgate.net/publication/346349075_K-Means_Clustering_Optimization_Using_the_Elbow_Method_and_Early_Centroid_Determination_Based_ on_Mean_and_Median_Formula (дата обращения: 29.05.2022).De Amorim R. C., Hennig C. Recovering the Number of Clusters in Data Sets with Noise Features Using Feature Rescaling Factors // Information Sciences. 2015. Vol. 324. P. 126–145. URL: https://arxiv.org/ pdf/1602.06989.pdf (дата обращения: 29.05.2022).De Amorim R. C., Hennig C. Recovering the Number of Clusters in Data Sets with Noise Features Using Feature Rescaling Factors // Information Sciences. 2015. Vol. 324. P. 126–145. URL: https://arxiv.org/ pdf/1602.06989.pdf (дата обращения: 29.05.2022).Shi C., Wei B., Wei S. et al. A Quantitative Discriminant Method of Elbow Point for the Optimal Number of Clusters in Clustering Algorithm // J Wireless Com Network. 2021. P. 31. DOI 10.1186/ s13638-021-01910-w (дата обращения: 29.05.2022).Shi C., Wei B., Wei S. et al. A Quantitative Discriminant Method of Elbow Point for the Optimal Number of Clusters in Clustering Algorithm // J Wireless Com Network. 2021. P. 31. DOI 10.1186/ s13638-021-01910-w (дата обращения: 29.05.2022).

The authors declare that there are no conflicts of interest present.