論文の概要: Optimal Team Economic Decisions in Counter-Strike
- arxiv url: http://arxiv.org/abs/2109.12990v1
- Date: Mon, 20 Sep 2021 15:16:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-03 10:39:41.478119
- Title: Optimal Team Economic Decisions in Counter-Strike
- Title（参考訳）: カウンターストライクの最適チーム経済決定
- Authors: Peter Xenopoulos, Bruno Coelho, Claudio Silva
- Abstract要約: ゲームレベルの勝利確率モデルを導入し、与えられたラウンドの開始時にチームがゲームに勝つ確率を予測する。
勝利確率モデルを用いて,重要なゲームシナリオに対する最適なチーム支出決定について検討する。
最後に、最適な支出決定が予想される最適支出決定にどの程度近づいたかによってチームをランク付けするために、測定基準である"Optimal Spending Error"(OSE)を導入します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The outputs of win probability models are often used to evaluate player
actions. However, in some sports, such as the popular esport Counter-Strike,
there exist important team-level decisions. For example, at the beginning of
each round in a Counter-Strike game, teams decide how much of their in-game
dollars to spend on equipment. Because the dollars are a scarce resource,
different strategies have emerged concerning how teams should spend in
particular situations. To assess team purchasing decisions in-game, we
introduce a game-level win probability model to predict a team's chance of
winning a game at the beginning of a given round. We consider features such as
team scores, equipment, money, and spending decisions. Using our win
probability model, we investigate optimal team spending decisions for important
game scenarios. We identify a pattern of sub-optimal decision-making for CSGO
teams. Finally, we introduce a metric, Optimal Spending Error (OSE), to rank
teams by how closely their spending decisions follow our predicted optimal
spending decisions.
- Abstract（参考訳）: 勝利確率モデルの出力はしばしばプレイヤーの行動を評価するために使われる。
しかし、esportカウンターストライクのような一部のスポーツでは、重要なチームレベルの決定が存在する。
例えば、カウンターストライクゲームの各ラウンドの開始時に、チームは、ゲーム内資金のどれだけを機器に費やすかを決定する。
ドルはリソースが少ないため、チームが特定の状況に費やすべき方法に関して、さまざまな戦略が生まれています。
ゲーム内におけるチームの獲得決定を評価するため,ゲームレベルの勝利確率モデルを導入し,各ラウンドの開始時にチームが勝利する確率を予測する。
チームスコア、機器、お金、支出決定などの機能を検討します。
勝利確率モデルを用いて,重要なゲームシナリオに対する最適なチーム支出決定について検討する。
CSGOチームにおける準最適意思決定パターンを同定する。
最後に、最適な支出決定が予想される最適支出決定にどの程度近づいたかによってチームをランク付けするために、測定基準である"Optimal Spending Error"(OSE)を導入します。
関連論文リスト
- Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。
不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
論文 参考訳（メタデータ） (2024-06-23T00:27:28Z) - All by Myself: Learning Individualized Competitive Behaviour with a
Contrastive Reinforcement Learning optimization [57.615269148301515]
競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。
本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。
我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2023-10-02T08:11:07Z) - GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win
Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。
GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。
本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文 参考訳（メタデータ） (2022-07-26T21:38:07Z) - Sequential Item Recommendation in the MOBA Game Dota 2 [64.8963467704218]
本研究では,Dota 2における購入勧告の文脈における逐次項目推薦(SIR)モデルの適用可能性について検討する。
以上の結果から,購入順序を考慮したモデルが最も有効であることが示唆された。
他のドメインとは対照的に、我々は最新のTransformerベースのアーキテクチャをDota-350kで上回るRNNベースのモデルを見つけました。
論文 参考訳（メタデータ） (2022-01-17T14:19:17Z) - Bandit Modeling of Map Selection in Counter-Strike: Global Offensive [55.41644538483948]
Counter-Strike: Global Offensive (CSGO) では、2つのチームが最初にマップ(仮想世界)を選択して禁止する。
CSGOにおける地図選択の問題に対処し、チームの選択や意思決定の禁止を調査するための文脈的帯域幅の枠組みを導入する。
選択と禁止の両方に関して、チームは最適なマップ選択ポリシーを持っています。
また,バンディット環境では検討されていない報奨制度のアプローチも定義し,報奨制度の導入によってモデル性能が向上することが確認された。
論文 参考訳（メタデータ） (2021-06-14T23:47:36Z) - An analysis of Reinforcement Learning applied to Coach task in IEEE Very
Small Size Soccer [2.5400028272658144]
本稿では、強化学習(RL)に基づくコーチングタスクのエンドツーエンドアプローチを提案する。
シミュレーション環境では、3つの異なるチームに対して2つのRLポリシーをトレーニングしました。
結果はVSSSリーグのトップチームの1つに対して評価された。
論文 参考訳（メタデータ） (2020-11-23T23:10:06Z) - Valuing Player Actions in Counter-Strike: Global Offensive [4.621805808537653]
ゲーム内CSGOイベント7000万以上を使用して、当社のフレームワークの一貫性と独立性を実証します。
また,高インパクトプレイ識別と不確実性推定のユースケースも提供する。
論文 参考訳（メタデータ） (2020-11-02T21:11:14Z) - CRICTRS: Embeddings based Statistical and Semi Supervised Cricket Team
Recommendation System [6.628230604022489]
クリケットのためのチームレコメンデーションシステムを構築するための半教師付き統計手法を提案する。
我々は,対戦相手の強みを考慮した質的,定量的な評価システムを設計し,演奏者のパフォーマンスを評価する。
また、チーム内の打者やボーラーの数を含むチーム構成の重要な側面にも取り組みます。
論文 参考訳（メタデータ） (2020-10-26T15:35:44Z) - Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies
in Extensive-Form Zero-Sum Games [123.76716667704625]
我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。
この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。
各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-09-21T17:51:57Z) - Optimising Game Tactics for Football [18.135001427294032]
サッカーにおける戦術的・戦略的意思決定を最適化するための新しいアプローチを提案する。
我々は,サッカーをベイズゲームから構成したマルチステージゲームとしてモデル化し,プレマッチ決定をモデル化し,インマッチ状態遷移と決定をモデル化する。
これに基づいて、異なる目的でチーム形成とゲーム内戦術を最適化するアルゴリズムを開発する。
論文 参考訳（メタデータ） (2020-03-23T14:24:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。