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. Ключевые слова: интеллектуальные игры, пакет вопросов, формирование команды, прогнозирование, искусственная нейронная сеть, персептрон, сигмоида, обучение сети.