分享基于深度神经网络计算得到的球员属性效用

James-FMFANS · 发表于 2021-12-30 10:12

基于ZaZ-Blue DM战术的分析，我认为是合适的。ZaZ-Blue DM战术很多球员设置都有盘带和传威胁球之类的，是否应该将战术中球员设置全部去掉呢或许这样对球员的位置权重解析更加客观

psy1982703 · 发表于 2021-12-30 10:27

就是说这套选人标准就是要用ZaZ-Blue DM战术的。换其他战术就不是这套标准了

lyx4266123 · 发表于 2021-12-30 10:31

这个权重分析建议要用辩证的角度来看
不同战术要求的属性不一样
作者也很特别标明了战术，不要用结果无脑鼓吹某些属性就是无敌
还有体质这个属性，测试性的比赛是测不出来重要性的

theoutsider2021 · 发表于 2021-12-30 10:38

有没有对用户ca分层再调数值呀不确定不同ca的权重是不是有很大差异

aylwan · 发表于 2021-12-30 10:41

这个牛逼了

15392424198 · 发表于 2021-12-30 11:02

本帖最后由 C·Gunners 于 2021-12-30 11:14 编辑

我想对楼主，提出几点质疑：
1、文中提到“我们大概通过140台机器持续3星期的训练，模拟了4千万场比赛，得到了收敛结果。”
请问：“一台机器一天13605.4422场，一个小时566场”是怎么做到的。保守估计大概是12代I5的CPU的运算力吧。作为一个开发团队，140台电脑满载运行，请问投资商是如何同意的，又有哪个游戏开发组，在先期投入上就能做到拥有140台电脑？
2、本人本科专业为数学，接触到算法的机会较多。我想请问一下，您的算法是无监督学习、监督学习还是强化学习？为什么会用到收敛，另外用到了的话，方便透露收敛误差吗？这应该也不是什么关键数据。
3、作为一名篮球经理的游戏开发团队，也许我并不方便探究贵团队的立项和项目进展，但我想保守的提问一下，你们是如何认为FM引擎可以比较好的对篮球比赛进行模拟与开发，以至于你们愿意投入140台机器满载运转3星期来获取大量数据，来帮助进行游戏开发的？我个人认为，篮球和足球的区别还是比较大的。即使你们获取大量数据得到属性，离得到SI引擎的底层代码的距离大概还有一个筋斗云那么远。

quincyzhang · 发表于 2021-12-30 11:02

正如LZ所说，这是基于ZaZ-Blue DM战术的分析，能否多测试几个战术呢？期待

Treeage · 发表于 2021-12-30 11:18

不明觉厉，可以基于此找最合适的球员了

sheap · 发表于 2021-12-30 11:29

huyuekun 发表于 2021-12-30 10:09
这个大概只适用于高压体系下的球员选择
只看中卫，要求最高的竟然是速度和加速，分数要求竟然高达90，这明 ...

印证了不同打法对球员要求的不一样

盛崖余 · 发表于 2021-12-30 11:55

马克一下111111111111111

a876244515 · 发表于 2021-12-30 12:14

好贴
虽然有局限性，但还是能看到其中的一些逻辑

shijian520 · 发表于 2021-12-30 12:26

厉害啊，这数据相很权威

arsenzel · 发表于 2021-12-30 12:30

很期待你们的篮球经理游戏，不过我不认为这样的测试能在几年内做出来这个游戏，太浪费时间了而且仅涉及到皮毛，希望你们团队每个人都自已玩玩FM。

jayking845 · 发表于 2021-12-30 12:33

可以啊，楼主这个牛，以后看球员可以参看参考

lun1983 · 发表于 2021-12-30 12:44

本帖最后由 lun1983 于 2021-12-30 12:47 编辑

拳击球0 这能否请高手来评一评？是由于此战术一般被进球都是连门将都会被过掉，所以并不需要拳击球？

另外我很关注26楼的说法。

ykykyk05251 · 发表于 2021-12-30 12:55

15392424198 发表于 2021-12-30 11:02
我想对楼主，提出几点质疑：
1、文中提到“我们大概通过140台机器持续3星期的训练，模拟了4千万场比赛， ...

HI，
1、我们游戏已经搞了4年了，不算前期拉，算后期在申请版号了。这次是跑了自己游戏的相关结果后，利用剩余资源，再加跑了FM以作对比。
140台机器大部分是租用的腾讯云服务器集群，租用时间有剩余，公司自己有20多台参与，都是至少10代I7，其中几台AMD的5900X
5900X大概1场比赛要打3秒左右，其他机器弱一些。测试性能和赛制安排有关系，需要保证比赛在同一时间开始，FM编辑器中需设置尽可能多的比赛在相同年月日和相同时间开打，这样才能充分利用多核优势，否则极慢。
2、这次实验是采用的是标准的无监督学习，收敛是我们口头禅术语，用来表示什么时候可停止训练。这里指跑了3星期以后，再跑若干天后发现结果没有明显变化了，得到各个位置的属性权重值变化平均在0.01以内了，由于属性权重最大为100，可简单认为误差在万分之一内了，因此认为可结束训练，也就是我们说的收敛啦。
3、我们的目的并非是得到FM引擎代码或者分析其机制啦，那个是前期参考时候的重点。现在我们的目的是测试我们的人工智能推荐球员算法的通用性和正确性。基于深度神经网络的人工智能模型有一定的通用性，就像Google搞的Alphago是针对围棋的，最后升级到了AlphaZero应用到任何棋类AI，其搞完围棋后又用相同的模型搞了其他几个棋类以验证总体方案的通用性和正确性。而根本上来说，其研究棋类AI本身就是为了应用到其他领域，可见普适性还是较强的。
对于神经网络AI而言，其实篮球和足球的差异他根本不知道，因为它连自己跑的是否是足球都不知道，引擎对其完全是黑盒的。训练的任务有高度相似性，因此模型也有很大通用性。当然，实践中，肯定有一些明显的不同，主要体现在模型参数调整上以及网络结构差异上。具体来说，我们自己的游戏训练中会快速收敛但其实是陷入到了局部最优陷阱，难以得到最佳的全局解，而FM用同样的训练参数和网络结构在我们测试中更少出现类似问题。

shijian520 · 发表于 2021-12-30 13:02

认真看了下，你们这数据是否仅适用于ZaZ-Blue DM？
没用过这个战术，单从结论上看应该是密集短传高位逼抢的打法，因为除了门将平均传球占比50工投75。后腰可以看出是组织核心的职责，如果换成其他的打法和职责，属性重要性占比是否还是这样？存疑。
还是感谢大佬花费人力物力的测试！

ahstzl1989 · 发表于 2021-12-30 13:03

这个必须支持下，另外你们的篮球经理游戏开发进度如何了，一直想找类似的篮球经理游戏，找不到。

ykykyk05251 · 发表于 2021-12-30 13:06

15392424198 发表于 2021-12-30 11:02
我想对楼主，提出几点质疑：
1、文中提到“我们大概通过140台机器持续3星期的训练，模拟了4千万场比赛， ...

另外一个很重要的问题就是，对于我们而言，助教给出的各个位置各个角色关键属性，很可能在引擎实际运算中并非关键。
助教给出的有点是我们的策划凭借其自身对篮球的理解给出的这个角色应该有哪些属性比较关键，但比赛引擎过于复杂，很难保证最终结果是和助教给出的一致。。。
我们一直没有想到很好的办法解决这个关键属性不关键的问题。。。而FM感觉也有类似问题，因此做测试，看看行业标杆这块的质量是怎么样的。测试下来,FM也有很多助教说的角色关键属性在实际引擎中不够关键的现象。
于是我们就可以放心的暂时放下这个缺陷啦。。。

ykykyk05251 · 发表于 2021-12-30 13:12

shijian520 发表于 2021-12-30 13:02
认真看了下，你们这数据是否仅适用于ZaZ-Blue DM？
没用过这个战术，单从结论上看应该是密集短传高位逼抢 ...

个人感觉风格相似的战术应该有相似的结果。但严谨上看肯定会有差别，但针对不同战术做一次测试不可能，成本太高。
我自己空余时间也玩FM游戏，我会用“我的足球理念”，分析新战术和测试战术有啥差别，然后人工对权重进行调整。。。
当然正确性就不知道了，不过我和你们一样，很容易就在游戏中赢得了一切。

[玩家心得] 分享基于深度神经网络计算得到的球员属性效用