Fugu-MT 論文翻訳(概要): Optimizing decision making for soccer line-up by a quantum annealer

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

Real World Application of Quantum-Classical Optimization for Production Scheduling [0.4326762849037007]
この研究は、産業からの現実の最適化問題を伴う量子古典計算手法のベンチマーク研究である。問題は、異なるマシン上のジョブのスケジューリングとバランシングであり、非線形な目的関数である。古典解法のモデリングは混合整数凸プログラムとして行われ、量子古典解法では二項二次プログラムとしてモデル化する。
論文参考訳（メタデータ） (2024-08-03T02:58:01Z)
Evaluating Quantum Optimization for Dynamic Self-Reliant Community Detection [3.6021182997326022]
量子計算カラーブルーを用いて解くのに適した二次非拘束バイナリ最適化(QUBO)問題を定式化する。この定式化は、最大自己充足力とそれらの間を流れる最小限のパワーを持つコミュニティを見つけることを目的としている。 D-Waveのハイブリッド量子古典解法、古典解法、分枝結合解法などである。
論文参考訳（メタデータ） (2024-07-09T11:44:58Z)
Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning [55.65738319966385]
我々は、新しいオンラインアルゴリズム、反復的ナッシュポリシー最適化(INPO)を提案する。従来の方法とは異なり、INPOは個々の応答に対する期待される勝利率を推定する必要性を回避している。 LLaMA-3-8BベースのSFTモデルで、INPOはAlpacaEval 2.0で42.6%、Arena-Hardで37.8%の勝利率を達成した。
論文参考訳（メタデータ） (2024-06-30T08:00:34Z)
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)
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)
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。