models
Определение сценариев выхода в плей-офф НХЛ с помощью ограничительного программирования
AWS Generative AI Innovation Center создал систему, использующую ограничительное программирование и пользовательский поиск по дереву для определения сценариев выхода команд НХЛ в плей-офф с математической точностью. Метод прошел проверку на данных четырех сезонов лиги.
AS1 NewsИсточник: aws.amazon.com
В преддверии финальной части регулярного сезона Национальной хоккейной лиги (НХЛ) возникает вопрос: вышла ли команда в плей-офф? Ответ на него зачастую трудно определить из-за сложности правил и большого количества оставшихся игр. Для решения этой задачи команда AWS Generative AI Innovation Center разработала автоматизированную систему, использующую ограничительное программирование (CP) и пользовательский поиск по дереву. Эта система позволяет точно определить, при каких условиях команда гарантированно пробьется в плей-офф, независимо от результатов оставшихся игр.
Система включает два компонента: решатель на 0-день и предсказатель на n-дней. Решатель на 0-день использует модель CP для оценки, уже ли команда вышла в плей-офф, формулируя задачу как проверку возможности, при которой команда не прошла бы, если бы оставшиеся игры завершились определенными результатами. Если такой сценарий невозможен, команда считается вышедшей. Предсказатель на n-дней моделирует возможные исходы игр в ближайшие дни, используя пользовательский поиск по дереву, где каждый уровень соответствует игре, а узлы — конкретным результатам.
Результаты проверки на данных четырех сезонов (2021–22 по 2024–25) показали полное совпадение сценариев, сгенерированных системой, с официальными данными НХЛ. Время вычислений для определения сценариев на один день составляло в среднем несколько минут, что значительно быстрее ручных методов благодаря эффективной оптимизации поиска и стратегий отсечения.
Эти методы имеют практическое значение для лиги, СМИ, аналитиков и болельщиков, позволяя автоматически получать точные сценарии выхода команд в плей-офф и расширять возможности аналитики и вовлеченности. В будущем подход можно адаптировать для других сценариев внутри лиги или для других спортивных соревнований с различными правилами.
Данная разработка демонстрирует, как сложные комбинаторные задачи могут быть решены с помощью математической оптимизации и искусственного интеллекта, обеспечивая быстрые и надежные решения, ранее требующие значительных усилий и времени.
Обеспечивает автоматизированное и точное определение сценариев выхода команд в плей-офф, что повышает эффективность аналитики и информированности болельщиков.