МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И АНАЛИЗ ДЛЯ ОПРЕДЕЛЕНИЯ СИЛЫ ИГРОКА СЁГИ
https://doi.org/10.34822/1999-7604-2022-3-14-24
Аннотация
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.
Об авторах
О. П. Бобровская
Сургутский государственный университет, Сургут
Россия
Россия
магистрант
E-mail: o-bobrovskaya@mail.ru
С. А. Лысенкова
Сургутский государственный университет, Сургут
Россия
Россия
кандидат физико-математических наук
E-mail: lysenkova_sa@surgu.ru
Список литературы
1. 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.
2. Guid M., Bratko I. Computer Analysis of World Chess Champions // ICGA Journal. 2006. Vol. 29, № 2. P. 65–73.
3. Regan K. W., Haworth G. M. Intrinsic Chess Ratings // Proceedings of the AAAI Conference on Artificial Intelligence. 2011. Vol. 25, № 1. P. 834–839.
4. Alliot J.-M. Who is the Master? // ICGA Journal. 2017. Vol. 39, № 1. P. 3–43.
5. Ferreira D. R. Determining the Strength of Chess Players Based on Actual Play // ICGA Journal. 2012. Vol. 35, № 1. P. 3–19.
6. Yamashita H. Pro Shogi Players Rating and Game Record Analysis // Proceedings of the Game Programming Workshop. 2014. P. 9–16.
7. 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.
8. 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).
9. 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).
10. 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).
11. 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).
Рецензия
Для цитирования:
Бобровская О.П., Лысенкова С.А. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И АНАЛИЗ ДЛЯ ОПРЕДЕЛЕНИЯ СИЛЫ ИГРОКА СЁГИ. Вестник кибернетики. 2022;(3 (47)):14-24. https://doi.org/10.34822/1999-7604-2022-3-14-24
For citation:
Bobrovskaya O.P., Lysenkova S.V. MATHEMATICAL MODELING AND ANALYSIS TO DETERMINE A SHOGI PLAYER’S SKILL LEVEL. Proceedings in Cybernetics. 2022;(3 (47)):14-24. (In Russ.) https://doi.org/10.34822/1999-7604-2022-3-14-24
Просмотров: 49
Послать статью по эл. почте 