Este documento describe el uso de algoritmos genéticos para mejorar los resultados en la Liga Fantástica de Yahoo. Se proponen dos enfoques: optimización combinatoria para seleccionar los mejores jugadores, y optimización de reglas heurísticas para la selección de jugadores. Los resultados muestran que el enfoque de reglas heurísticas da mejores resultados que el enfoque genérico de optimización. Se concluye que factores externos como el clima dificultan la predicción y que es necesario un conocimiento del dominio.
1. 16/09/13 GA/Liga Yahoo
Algoritmos genéticosAlgoritmos genéticos
aplicados a la Ligaaplicados a la Liga
Fantástica YahooFantástica Yahoo
Juan David Fernández, Juan Miguel Rodríguez,Juan David Fernández, Juan Miguel Rodríguez,
Juan Julián MereloJuan Julián Merelo
Depto. Arquitectura y Tecnología de Computadores,Depto. Arquitectura y Tecnología de Computadores,
U. GranadaU. Granada
http://www.geneura.orghttp://www.geneura.org
3. 16/09/13 GA/Liga Yahoo
¿Qué es?¿Qué es?
➢ Objetivo del juego:
➢ Acumular máximo de puntos a lo largo de las jornadas.
➢ Normas:
➢ Precio máximo equipos: 100
➢ Diferentes formaciones.
➢ Datos de cada jugador
6. 16/09/13 GA/Liga Yahoo
Estado del ArteEstado del Arte
➢ Vs. Baseball, Liga virtual de
béisbol basada en IA
➢ IA Patentada
➢ Totomaster: Predicción de
resultados de la liga inglesa.
7. 16/09/13 GA/Liga Yahoo
Estado del Arte IIEstado del Arte II
➢ Genetic football: Programa de optimización
combinatoria, similar al TSP.
➢ Notre Dame football predictor: red neuronal
para predecir tipo de juego ofensivo de un equipo
de fútbol americano
➢ Discusiones en Usenet sobre algoritmos para
ganar a la TotoCalcio
8. 16/09/13 GA/Liga Yahoo
Estado del Arte III: GA/LigaEstado del Arte III: GA/Liga
fantásticafantástica
➢ Ejemplo en un curso de IA en DCU
9. 16/09/13 GA/Liga Yahoo
AE/Liga FantásticaAE/Liga Fantástica
➢ 2 soluciones
➢ Maximización de puntos.
➢ Optimización de reglas heurísticas.
➢ Herramienta: OPEAL
➢ http://opeal.sourceforge.net
➢ Disponible en CPAN como
Algorithm::Evolutionary
10. 16/09/13 GA/Liga Yahoo
Algoritmo Genético paraAlgoritmo Genético para
maximizar puntuaciónmaximizar puntuación
●Codificación del cromosoma: equipo
●Mutación específica para el cromosoma
●Sin operador de cruce
●Muestreo aleatorio simple
●Elitismo
11. 16/09/13 GA/Liga Yahoo
Algoritmo Genético paraAlgoritmo Genético para
maximizar puntuación: fitnessmaximizar puntuación: fitness
●Objetivos:
● Maximizar última jornada
● Maximizar resultados globales
●Ventaja: directa, fácil implementación.
●Inconveniente: factores externos.
● El fútbol es así.
12. 16/09/13 GA/Liga Yahoo
Algoritmo Genético paraAlgoritmo Genético para
maximizar puntuación: pruebasmaximizar puntuación: pruebas
➢ Parámetros Algoritmo
➢ Tamaño Población = 100
➢ Número de Iteraciones = 200
➢ Prob. Ajuste = 1
➢ % de Población Nueva = 0.5
➢ Prob. Mutar Jugador = 0.1
Formaciones
0
50
100
150
200
250
29 30 31 32 33 34 35 36 37
Jornadas
Puntuaciones
Formación 4-4-2 Formación 4-3-3
Formación 3-4-3 Formación 3-5-2
13. 16/09/13 GA/Liga Yahoo
Algoritmo Genético paraAlgoritmo Genético para
maximizar puntuación: pruebas IImaximizar puntuación: pruebas II
Formaciones (Datos Reales)
-40
-20
0
20
40
60
80
30 31 32 33 34 35 36 37 38
Jornadas
Puntuaciones
Formación 4-4-2 Formación 4-3-3
Formación 3-4-3 Formación 3-5-2
14. 16/09/13 GA/Liga Yahoo
AG mejora reglas heurísticasAG mejora reglas heurísticas
➢ Cromosoma
➢ Porcentajes de aplicación de las reglas para cambio de
un jugador por otro:
➢ Jugar en casa
➢ Jugar contra equipo inferior
➢ Jugar de titular.
➢ Operadores comunes con el anterior.
15. 16/09/13 GA/Liga Yahoo
AG mejora reglas heurísticas:AG mejora reglas heurísticas:
fitnessfitness
➢ Se usa como base el algoritmo anterior, para
maximizar la puntuación por jornada.
➢ Varias versiones:
➢ 1, 2, 3 usan la jornada anterior como base, la 4 dos
jornadas.
➢ 1 maximiza equipos una sola vez; 2 la llama siempre, 3
y 4 evalúan los mejores.
➢
16. 16/09/13 GA/Liga Yahoo
AG mejora reglas heurísticas:AG mejora reglas heurísticas:
ResultadosResultados
Formaciones
0
20
40
60
80
100
120
140
30 31 32 33 34 35 36 37 38
Jornadas
Puntuaciones
Formación 4-4-2 Formación 4-3-3
Formación 3-5-2 Formación 3-4-3
18. 16/09/13 GA/Liga Yahoo
ConclusionesConclusiones
➢ Buenos resultados en una jornada pasada no
implican unos buenos resultados en una jornada
futura, debido a
➢ Climatología.
➢ Cansancio de los jugadores.
➢ Factor campo.
➢ Estado anímico.
➢ Estado de la competición.
➢ Decisiones arbitrales.
➢ ...
19. 16/09/13 GA/Liga Yahoo
Conclusiones IIConclusiones II
➢ Desde el punto de vista evolutivo, el problema es
interesante por:
➢ Se puede abordar desde diferentes puntos de vista.
➢ Es necesario un conocimiento del problema, y el uso
de operadores heurísticos.
➢ Los enfoque heurísticos (evolución de reglas) dan
mejores resultados que los genéricos.
20. 16/09/13 GA/Liga Yahoo
Trabajo futuroTrabajo futuro
➢ Interfaz genérico para “ligas fantásticas”
➢ Uso de información desde el principio de la liga.
➢ Inclusión de información procedente de diferentes
fuentes
➢ Adaptación a las tablas de cada año en particular.