論文の概要: Beyond Win Rates: A Clustering-Based Approach to Character Balance Analysis in Team-Based Games

• arxiv url: http://arxiv.org/abs/2502.01250v1
• Date: Mon, 03 Feb 2025 11:20:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:57:58.361481
• Title: Beyond Win Rates: A Clustering-Based Approach to Character Balance Analysis in Team-Based Games
• Title（参考訳）: 勝率を超えて: チームベースのゲームにおけるキャラクタバランス分析のためのクラスタリングベースのアプローチ
• Authors: Haokun Zhou,
• Abstract要約: 競争ゲームにおけるキャラクターの多様性は、プレイヤーの経験と戦略的な深さに悪影響を及ぼす可能性がある。 従来のバランスアセスメントは、勝利率やピックレートといった総合的な指標に依存しています。 本稿では,キャラクタバランスを解析するためのクラスタリングに基づく新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Character diversity in competitive games, while enriching gameplay, often introduces balance challenges that can negatively impact player experience and strategic depth. Traditional balance assessments rely on aggregate metrics like win rates and pick rates, which offer limited insight into the intricate dynamics of team-based games and nuanced character roles. This paper proposes a novel clustering-based methodology to analyze character balance, leveraging in-game data from Valorant to account for team composition influences and reveal latent character roles. By applying hierarchical agglomerative clustering with Jensen-Shannon Divergence to professional match data from the Valorant Champions Tour 2022, our approach identifies distinct clusters of agents exhibiting similar co-occurrence patterns within team compositions. This method not only complements existing quantitative metrics but also provides a more holistic and interpretable perspective on character synergies and potential imbalances, offering game developers a valuable tool for informed and context-aware balance adjustments.
• Abstract（参考訳）: 競争ゲームにおけるキャラクターの多様性は、ゲームプレイを豊かにする一方で、プレイヤーの経験と戦略的な深さに悪影響を及ぼす可能性のあるバランスの課題をもたらすことが多い。 従来のバランスアセスメントは、勝利率やピックレートといった総合的なメトリクスに依存しており、チームベースのゲームや、微妙なキャラクターロールの複雑なダイナミクスに関する限られた洞察を提供する。 本稿では,キャラクタバランスを解析し,Valorantのゲーム内データを利用して,チーム構成の影響を考慮し,潜在キャラクタの役割を明らかにする,新たなクラスタリング手法を提案する。 Jensen-Shannon Divergenceによる階層的集合的クラスタリングを,2022年のバロラントチャンピオンズツアーのプロフェッショナルマッチデータに適用することにより,チーム構成に類似した共起パターンを示すエージェントの異なるクラスタを特定した。 この方法は既存の量的指標を補完するだけでなく、キャラクターのシナジーと潜在的な不均衡に関してより包括的で解釈可能な視点を提供する。

関連論文リスト

• Identifying and Clustering Counter Relationships of Team Compositions in PvP Games for Efficient Balance Analysis [24.683917771144536]
  ゼロサム競争シナリオにおけるバランスを定量化する尺度を開発する。 我々は、合成の有用なカテゴリを特定し、それらのカウンター関係をピンポイントする。 私たちのフレームワークは、Eage of Empires II、Hearthstone、Brawl Stars、League of Legendsなど、人気のあるオンラインゲームで検証されています。
  論文  参考訳（メタデータ） (2024-08-30T10:28:36Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• Opponent Modeling in Multiplayer Imperfect-Information Games [1.024113475677323]
  マルチプレイヤー不完全情報ゲームにおける対戦相手モデルへのアプローチを提案する。 我々は,3人プレイヤのクーンポーカーにおいて,種々の実敵と正確なナッシュ均衡戦略に対する実験を行う。 我々のアルゴリズムは、正確なナッシュ均衡戦略を含む全てのエージェントを著しく上回る。
  論文  参考訳（メタデータ） (2022-12-12T16:48:53Z)
• Finding mixed-strategy equilibria of continuous-action games without gradients using randomized policy networks [83.28949556413717]
  グラデーションへのアクセスを伴わない連続アクションゲームのナッシュ平衡を近似的に計算する問題について検討する。 ニューラルネットワークを用いてプレイヤーの戦略をモデル化する。 本論文は、制約のない混合戦略と勾配情報のない一般的な連続アクションゲームを解決する最初の方法である。
  論文  参考訳（メタデータ） (2022-11-29T05:16:41Z)
• Learning Correlated Equilibria in Mean-Field Games [62.14589406821103]
  我々は平均場相関と粗相関平衡の概念を発展させる。 ゲームの構造に関する仮定を必要とせず,効率よくゲーム内で学習できることが示される。
  論文  参考訳（メタデータ） (2022-08-22T08:31:46Z)
• Efficiently Computing Nash Equilibria in Adversarial Team Markov Games [19.717850955051837]
  我々は,同じプレイヤーが対戦相手と競合するゲームのクラスを紹介する。 この設定により、ゼロサムマルコフゲームの可能性ゲームの統一処理が可能になる。 我々の主な貢献は、対戦チームマルコフゲームにおける固定的な$epsilon$-approximate Nash平衡を計算するための最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2022-08-03T16:41:01Z)
• ShuttleNet: Position-aware Fusion of Rally Progress and Player Styles for Stroke Forecasting in Badminton [18.524164548051417]
  本稿では,ターンベースのスポーツにおいて,どのストロークをどこで返すべきかを客観的に判断することに焦点を当てる。 本稿では,ラリープログレスとプレーヤスタイルの融合フレームワーク(ShuttleNet)を提案する。
  論文  参考訳（メタデータ） (2021-12-02T08:14:23Z)
• Pick Your Battles: Interaction Graphs as Population-Level Objectives for Strategic Diversity [49.68758494467258]
  我々は、集団内の個人がどのように相互作用するかを慎重に構造化することで、多様なエージェントの集団を構築する方法について研究する。 我々のアプローチは,エージェント間の情報の流れを制御するインタラクショングラフに基づいている。 マルチエージェント・トレーニングにおける多様性の重要性を証明し,様々な相互作用グラフを適用したゲームにおけるトレーニング・トラジェクトリ,多様性,パフォーマンスに与える影響を解析する。
  論文  参考訳（メタデータ） (2021-10-08T11:29:52Z)
• Counterfactual Representation Learning with Balancing Weights [74.67296491574318]
  観察データによる因果推論の鍵は、それぞれの治療タイプに関連する予測的特徴のバランスを達成することである。 近年の文献では、この目標を達成するために表現学習を探求している。 因果効果を柔軟かつスケーラブルかつ正確に推定するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-23T19:06:03Z)
• Equilibria for Games with Combined Qualitative and Quantitative Objectives [15.590197778287616]
  我々は,各プレイヤーが独立して戦略的に行動することが想定されるプロセスである並行ゲームについて研究する。 我々の主な結果は、そのようなゲームにおける厳密なエプシロン・ナッシュ均衡の存在を決定することは2ExpTime完全であるということである。
  論文  参考訳（メタデータ） (2020-08-13T01:56:24Z)
• Moody Learners -- Explaining Competitive Behaviour of Reinforcement Learning Agents [65.2200847818153]
  競合シナリオでは、エージェントは動的環境を持つだけでなく、相手の行動に直接影響される。 エージェントのQ値の観察は通常、その振る舞いを説明する方法であるが、選択されたアクション間の時間的関係は示さない。
  論文  参考訳（メタデータ） (2020-07-30T11:30:42Z)

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。