論文の概要: Optimizing decision making for soccer line-up by a quantum annealer
- arxiv url: http://arxiv.org/abs/2112.13668v1
- Date: Wed, 22 Dec 2021 06:39:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 19:56:10.699215
- Title: Optimizing decision making for soccer line-up by a quantum annealer
- Title(参考訳): 量子アニールによるサッカーラインアップ決定の最適化
- Authors: Aitzol Iturrospe
- Abstract要約: サッカーチームの初期ラインアップを最適化するためのD-Wave Systems 量子アニールの応用について述べる。
プレイヤーとそのプレーポジションは、4-3-3の攻撃形態と4-2-3-1の中間防御形態のプレイヤー格付けの合計を最大化するために選択される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper an application of D-Wave Systems quantum annealer for
optimizing initial line-up of a soccer team is presented. Players and their
playing position are selected to maximize the sum of players ratings for both a
4-3-3 attack formation and a 4-2-3-1 medium defensive formation. The problem is
stated as a binary quadratic model (BQM) and it is solved in a D-Wave Leap
Hybrid Solver. Results are presented and compared with already published
results obtained with a classical solver.
- Abstract(参考訳): 本稿では,サッカーチームの初期ラインアップを最適化するためのD-Wave Systems 量子アニールの応用について述べる。
プレイヤーとそのプレーポジションは、4-3-3の攻撃形態と4-2-3-1の中間防御形態のプレイヤー格付けの合計を最大化するために選択される。
この問題は2次二次モデル(BQM)として記述され、D-Wave Leap Hybrid Solverで解かれる。
結果が提示され、従来の解法で得られた結果と比較される。
関連論文リスト
- Quantum Computing for MIMO Beam Selection Problem: Model and Optical
Experimental Solution [4.990043560632826]
本研究は, 実用的な5G演算への大きな期待を示し, 通信における計算困難問題の解法における量子コンピューティングの適用を促進する。
大規模マルチインプット・マルチアウトプット(MIMO)は、データレートの向上、信号品質の向上、課題のある環境でのカバレッジ向上などにより、近年広く普及している。
論文 参考訳(メタデータ) (2023-10-19T00:12:20Z) - Differentiable Arbitrating in Zero-sum Markov Games [59.62061049680365]
ゼロサムマルコフゲームにおいて、2人のプレイヤーが望ましいナッシュ均衡、すなわち仲裁を誘導する報酬を摂動する方法を研究する。
低いレベルでは、与えられた報酬関数の下でのナッシュ均衡の解決が必要であり、それによって全体的な問題をエンドツーエンドで最適化することが難しくなる。
上層階の勾配フィードバックを提供するナッシュ平衡を微分するバックプロパゲーション方式を提案する。
論文 参考訳(メタデータ) (2023-02-20T16:05:04Z) - Bayesian Optimization-Based Beam Alignment for MmWave MIMO Communication
Systems [1.7467279441152421]
ビームアライメント(BA)はミリ波通信(mmWave)における重要な問題である
機械学習戦略,ベイズ最適化(BO)に基づく新しいビームアライメント方式を提案する。
本研究では,ビームアライメント問題をブラックボックス関数とみなし,BOを用いて最適ビーム対を求める。
論文 参考訳(メタデータ) (2022-07-28T15:37:49Z) - Prediction of Football Player Value using Bayesian Ensemble Approach [13.163358022899335]
そこで本研究では,FIFAデータ分析に基づいて,世界トップのサッカー選手の移籍手数料に影響を及ぼす要因について事例研究を行った。
各プレイヤーの市場価値を予測するため,木構造パーゼンエミュレータ(TPE)アルゴリズムを用いて改良されたLightGBMモデルを提案する。
論文 参考訳(メタデータ) (2022-06-24T07:13:53Z) - A Unified Approach to Reinforcement Learning, Quantal Response
Equilibria, and Two-Player Zero-Sum Games [104.3339905200105]
この研究は、ミラー降下と非ユークリッド近位勾配アルゴリズムにインスパイアされた、磁気ミラー降下と呼ばれるアルゴリズムを研究する。
我々の貢献は、2人のプレイヤーゼロサムゲームにおける平衡解法および強化学習へのアプローチとしての磁気ミラー降下の利点を実証することである。
論文 参考訳(メタデータ) (2022-06-12T19:49:14Z) - The Machine Learning for Combinatorial Optimization Competition (ML4CO):
Results and Insights [59.93939636422896]
ML4COは、キーコンポーネントを置き換えることで最先端の最適化問題を解決することを目的としている。
このコンペティションでは、最高の実現可能なソリューションを見つけること、最も厳密な最適性証明書を生成すること、適切なルーティング設定を提供すること、という3つの課題があった。
論文 参考訳(メタデータ) (2022-03-04T17:06:00Z) - Benchmark of quantum-inspired heuristic solvers for quadratic
unconstrained binary optimization [1.14219428942199]
4つの二項最適化問題をベンチマークした。
NAE 3-SATではDAが1位、SKモデルではSBMが1位だった。
論文 参考訳(メタデータ) (2021-04-29T03:53:00Z) - Bandit Linear Optimization for Sequential Decision Making and
Extensive-Form Games [102.23975166536326]
tree-form sequential decision making (tfsdm) は、エージェントと潜在的に敵対的な環境の間のツリー形式の相互作用をモデル化することで、古典的なワンショット意思決定を拡張する。
これは、各プレイヤーが幅広い形式のゲームで直面するオンライン意思決定問題、およびマルコフ決定プロセス、およびエージェントが観測された履歴を条件とする部分観察可能なマルコフ決定プロセスをキャプチャする。
本稿では, (i) 線形時間損失と (ii) $o(sqrtt)$ cumulative regret の両方を提供する拡張dmのバンディット線形最適化問題に対する最初のアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-08T05:00:13Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳(メタデータ) (2021-01-05T03:55:04Z) - 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) - 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)
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。