MODELING AND ANALYSIS OF FEATURES OF TEAM PLAY STRATEGIES IN ESPORTS APPLICATIONS

Autor: Kadan, A.M., Li, Le., Chen, T.
Jazyk: ruština
Rok vydání: 2018
Předmět:
Zdroj: Современные информационные технологии и IT-образование, Vol 14, Iss 2, Pp 397-407 (2018)
ISSN: 2411-1473
Popis: The perfect combination of sports and information technologies, implemented in video and computer games, has made eSports unusually popular, rapidly developing and meeting the challenges of the modern world. The scale of the competitions and the amount of financial investments in eSports have increased rapidly. In this regard, special attention is given to activities related to the preparation of sports teams for competitions. Of particular interest for coaches is the study of the best competitive practices, strategies and tactics of both teams of rivals and their individual players. The article proposes and confirms the hypothesis that the methods of training eSports sportsmen based on mathematical approaches to data analysis are much more substantive and justified, which formally confirm the advantages of various team tactics and allow drawing conclusions about the prospects for using various methods of conducting the game. As the main source of data for analyzing the strategies used by the teams, the demo files of the saved games of the Counter Strike tournaments were used. Based on them, a dataset was created, including games’ metadata, data on game situations related to the behavior of individual players - movement, use of equipment, results of interaction with the enemy, as well as additional computed features of team play related to the level of game activity, the use of open space, traps, group character and speed of movement. Based on the methods of machine learning, recommendations are made on important features of priority team strategies that assume high / low values of these features in case of victory or defeat of the respective team. Also, was made a study of the features that affect the victory of individual teams with antagonistic gaming interests.
Идеальное сочетание спортивных и информационных технологий, реализованное в видео- и компьютерных играх, сделало киберспорт необыкновенно популярным, стремительно развивающимся и отвечающим вызовам современного мира. Стремительными темпами увеличились как масштабы проводимых соревнований, так и объемы финансовых вложений в киберспорт. В связи с этим особую привлекательность получают виды деятельности, связанные с подготовкой спортивных команд к соревнованиям. Особый интерес для тренеров представляет изучение лучшей соревновательной практики, стратегий и тактик как команд соперников, так и отдельных их игроков. В статье предложена и подтверждена гипотеза, что гораздо более содержательны и обоснованы методы подготовки киберспортсменов, основанные на математических подходах к анализу данных, которые формально подтверждают преимущества тех или иных командных тактик и позволяют сделать выводы о перспективах использования тех или иных методов ведения игры. В качестве основного источника данных для анализа стратегий, используемых командами киберспортсменов, были использованы демо-файлы сохраненных игр турниров по Counter Strike. На их основе был сформирован датасет, включающий метаданные игры, данные об игровых ситуациях, связанных с поведением отдельных игроков – движением, использованием экипировки, результатах взаимодействия с противником, а также дополнительно рассчитанные признаки командной игры, связанные с уровнем игровой активности, использованием открытого пространства, ловушек, группового характера и скорости перемещения. На основе методов машинного обучения сделаны рекомендации о важных признаках приоритетных командных стратегий, которые предполагают высокие/низкие значения этих признаков в случае победы или поражения соответствующей команды. Также было проведено исследование признаков, влияющих на победу отдельных команд, имеющих антогонистические игровые интересы.
№2 (2018)
Databáze: OpenAIRE
Externí odkaz: