論文の概要: Simulation-Based Optimisation of Batting Order and Bowling Plans in T20 Cricket

• arxiv url: http://arxiv.org/abs/2604.13861v2
• Date: Thu, 16 Apr 2026 06:04:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 16:09:14.204681
• Title: Simulation-Based Optimisation of Batting Order and Bowling Plans in T20 Cricket
• Title（参考訳）: T20クリケットにおけるバッティング順序とボーリング計画のシミュレーションによる最適化
• Abstract要約: 本稿では,T20クリケットにおける2つの反復的内決定を最適化するための統合マルコフ決定プロセスフレームワークを開発する。 最適打順はムンバイ・インディアンの勝利確率を4.1ポイント(52.4%から56.5%)改善し、最適グジャラート・タイタンズのボウリング計画では防御確率を5.2ポイント(39.1%から44.3%)改善する。 どちらの場合も、観測された準最適性は位相に依存しない配置と一致している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper develops a unified Markov Decision Process (MDP) framework for optimising two recurring in-match decisions in T20 cricket, namely batting order selection and bowling plan assignment, directly in terms of win and defend probability rather than expected runs. A three-phase player profile engine (Powerplay, Middle, Death) with James-Stein shrinkage (a technique that blends a player's individual statistics toward the league average when their phase-specific data is sparse) is estimated from 1,161 IPL ball-by-ball records (2008-2025). Win/defend probabilities are evaluated using vectorised Monte Carlo simulation over N = 50,000 innings trajectories. Batting orders are evaluated by comparing all feasible arrangements of the remaining players and selecting the one that maximises win probability. Bowling plans are optimised through a guided search over possible over assignments, progressively improving the allocation while respecting constraints such as the prohibition on consecutive overs by the same bowler. Applied to two 2026 IPL matches, the optimal batting order improves Mumbai Indians' win probability by 4.1 percentage points (52.4% to 56.5%), and the optimal Gujarat Titans bowling plan improves defend probability by 5.2 percentage points (39.1% to 44.3%). In both cases, the observed sub-optimality is consistent with phase-agnostic deployment: decisions that appear reasonable under aggregate metrics are shown to be costly when phase-specific profiles are applied.
• Abstract（参考訳）: 本稿では,T20クリケットにおける2つの反復的内周決定を最適化するための統一マルコフ決定プロセス(MDP)フレームワークを開発する。 ジェームズ=スタイン・ストレッサージによる3相プレーヤープロファイルエンジン(Powerplay, Middle, Death)は、2008-2025年に発表された1,161 IPLボール・バイ・ボール・レコードから推定される。 N = 50,000innings軌道上のベクトル化モンテカルロシミュレーションを用いて、ウィン/ディフェンド確率を評価する。 残りのプレイヤーの可能な配置を全て比較し、勝利確率を最大化するものを選択することにより、賭けの順序を評価する。 ボウリングプランは、割り当てに関する可能な検索を通じて最適化され、同じボウラーによる連続オーバー禁止などの制約を尊重しながら、アロケーションを徐々に改善する。 2026年の2試合で、最適打位はムンバイ・インディアンの勝利確率を4.1ポイント(52.4%から56.5%)改善し、最適グジャラート・タイタンズのボウリング計画では防御確率を5.2ポイント(39.1%から44.3%)改善した。 どちらの場合も、観測されたサブ最適性はフェーズに依存しないデプロイメントと一致している。

関連論文リスト

• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• From Score Matrices to Football-Aware Match-State Simulation: An Auditable LLM Harness for Exact-Score Reranking [0.0]
  フットボールのスコア予測は、強い統計コアと難しい文脈のエッジを組み合わせる。 監査可能な情報ハーネスを通じて、両方のコンポーネントを結合します。 2025-26イングランド・プレミアリーグの最初の150試合のリプレイで、V1は10.0%のTop-1と26.7%のTop-3の精度を達成した。
  論文  参考訳（メタデータ） (2026-08-05T16:34:53Z)
• Knowledge Index of Noah's Ark [63.143852586221534]
  KINAは,261分野にわたる899項目のベンチマークである。 ボーナス・オン・バートーナメントがFOSDを弱く支配していることを示す。 トップモデルであるGemini-3.1-Pro-Previewは53.17%、Claude-Opus-4.6は49.92%、GPT-5.4は48.55%に達した。
  論文  参考訳（メタデータ） (2026-06-03T17:06:49Z)
• ESPO: Early-Stopping Proximal Policy Optimization [78.79610718910628]
  ESPO(Early-Stopping Proximal Policy Optimization)は、軌道上の障害を検出し、ロールアウトを早期に終了する。 DeepSeek-R1-Distill-Qwen-7Bでは、ESPOはAIME2024(46.28%対45.25%)、AMC2023(85.83%対82.94%)、MATH-500(87.42%対85.43%)でPPOを上回っている。
  論文  参考訳（メタデータ） (2026-05-28T12:40:22Z)
• Sim2Win: A Team-Agnostic, Event-Based Pre-Match Outcome Prediction and Tactical Profiling System for Football [0.5156484100374058]
  Sim2Winは、チームに依存しない、イベントベースの戦術的レコメンデーションフレームワークである。 システムはチーム名やアイデンティティ機能なしで動作し、トレーニング中に見たことのないチームに一般化を可能にする。 Sim2Win は平均 ROC-AUC が 0.704 であり、完全に見えないチームでは 55.4% の精度である。
  論文  参考訳（メタデータ） (2026-05-26T01:46:46Z)
• Beyond Mode Collapse: Distribution Matching for Diverse Reasoning [69.88237286885065]
  GRPOのようなオンライン強化学習手法はモード崩壊に悩まされる。 このことは、逆KL最小化のモード探索行動に由来することを示す。 KL最小化の原理的近似によりモード崩壊を防止するDMPOを提案する。
  論文  参考訳（メタデータ） (2026-05-19T07:13:00Z)
• Step-wise Rubric Rewards for LLM Reasoning [72.17879367869503]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、大規模言語モデルの推論を改善するために広く使われている。 正しい回答の18.2%は間違っているが、肯定的な報酬がある。 6つの数学的推論ベンチマークで、SRaRはRaRの平均精度を3.57ポイント改善した。
  論文  参考訳（メタデータ） (2026-05-17T07:08:14Z)
• A data-driven framework for team selection in Fantasy Premier League [0.552480439325792]
  一定の予算の下で、マネージャーは将来のファンタシー・プレミアリーグのポイントを最大化するためにチームを選ぶ。 本研究では,ラインアップ選択をデータ駆動最適化として定式化する。 2023/24シーズンのプレミアリーグでの試験では、ARIMAは予算に制約があり、ローリングウインドウは最も一貫したアウト・オブ・サンプルのパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-05-04T16:21:59Z)
• Consistency Checks for Language Model Forecasters [54.62507816753479]
  予測器の性能を,論理的に異なる質問に対する予測の整合性の観点から測定する。 我々は,一連の基本質問を生成し,これらの質問から整合性チェックをインスタンス化し,予測者の予測を導き,予測の整合性を測定する自動評価システムを構築した。
  論文  参考訳（メタデータ） (2024-12-24T16:51:35Z)
• Scalable Reinforcement Post-Training Beyond Static Human Prompts: Evolving Alignment via Asymmetric Self-Play [52.3079697845254]
  evaは、オフラインとオンラインのRLポストトレーニングの両方で、言語モデルがトレーニングプロンプトを適応的に作成できるようにする最初の方法である。 我々は,エバが有効なRLキュリキュラを作成でき,アブレーションにまたがって堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-10-31T08:15:32Z)
• Iterative Reasoning Preference Optimization [84.15992372132507]
  生成したChain-of-Thought(CoT)候補間の嗜好を最適化するための反復的アプローチを開発する。 このスキームの繰り返し繰り返しにおける推論の改善を示す。 例えば、GSM8Kは55.6%から81.6%に大きく改善され、精度は88.7%となり、32のサンプルのうち多数が投票した。
  論文  参考訳（メタデータ） (2024-04-30T17:28:05Z)
• Beyond Suspension: A Two-phase Methodology for Concluding Sports Leagues [0.0]
  プロスポーツリーグは、新型コロナウイルスの感染拡大などさまざまな理由で休業する可能性がある。 再オープン時にリーグが対処しなければならない重要な疑問は、シーズンを短縮した時間枠で終了するために残りのゲームのサブセットを適切に選択する方法である。 本稿では,データ駆動型モデルを提案する。予測分析と規範解析を利用して,当初予定されていたゲームのサブセットで構成されたシーズンの残りを決定論的にスケジュールする。
  論文  参考訳（メタデータ） (2024-03-29T22:23:35Z)
• Prediction of the outcome of a Twenty-20 Cricket Match : A Machine Learning Approach [1.417373050337415]
  我々は、T20クリケットマッチの結果を予測するために、4つの異なる機械学習アプローチを試す。 具体的には、競技チームに関わる選手の過去のパフォーマンス統計、評価されたクリケット統計ウェブサイトから得られた選手のレーティング、類似したパフォーマンス統計をクラスタリングし、ELOに基づくプレイヤーの評価手法を用いた新しい手法を提案する。 本稿では,ロジスティック回帰,サポートベクタマシン,ベイズネットワーク,決定木,ランダムフォレストなど,さまざまなMLアルゴリズムを用いて,これらの特徴工学手法の性能を比較した。
  論文  参考訳（メタデータ） (2022-09-13T23:43:36Z)
• Probabilistic Permutation Graph Search: Black-Box Optimization for Fairness in Ranking [53.94413894017409]
  本稿では、置換グラフの概念に基づいて、置換分布を表現する新しい方法を提案する。 PLと同様に、PPGと呼ばれる分布表現は、公正性のブラックボックス最適化に利用できる。
  論文  参考訳（メタデータ） (2022-04-28T20:38:34Z)
• Prediction of IPL Match Outcome Using Machine Learning Techniques [0.0]
  インド・プレミアリーグ(英語: Indian Premier League、IPL)は、インドのサッカークラブである。 ライブストリーミング、ラジオ、テレビ放送など多くの要素がこのリーグをクリケットファンの間で人気を博した。 IPLマッチの結果を予測することは、オンライントレーダーやスポンサーにとって非常に重要である。
  論文  参考訳（メタデータ） (2021-09-30T09:45:34Z)
• Surface Form Competition: Why the Highest Probability Answer Isn't Always Right [70.71122438366142]
  Domain Conditional Pointwise Mutual Informationは、サーフェスフォームの競争を補償します。 キャリブレーション機能とアンキャリブレーション機能の両方でゼロショット性能の一貫したゲインを実現します。
  論文  参考訳（メタデータ） (2021-04-16T18:57:19Z)

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。