FM2022 基于深度神经网络计算得到的球员属性效用

基本介绍：
1、我们是一个篮球经理游戏开发团队，开发过程中参考研究了大量FM设定，包括比赛引擎。
从爆棚学习了很多游戏知识，此贴目的就是为了回馈社团

2、为了分析FM的比赛引擎的机制，以及科学程度，我们设计了一套系统，用于衡量FM中每个球员属性对最终胜负的影响程度。

3、fm-arena.com给出了在FM2021和FM2022中球员各项属性和胜负关系的初步测试，对我们工作有一定参考价值和启发
但由于其只是业余爱好者的非专业工作，从严谨性看，存在以下问题
1）其仅给出了对所有球员而言，哪些属性比较影响胜负，哪些属性对胜负影响较小，但实际上，不同位置的关键属性显然是不同的，其测试结果显然只能是那些对所有位置都比较重要的属性会显得比较重要，而仅对某些位置重要的属性会在其测试中显得不是那么重要。比如其测试结果射门对胜负几乎没有影响，而爆发力对胜负影响很大，真实情况是射门对前锋很重要，其他位置不重要，而爆发力所有位置都比较重要。
2）其测试样本不足，其每个属性的测试仅进行了900场左右的比赛模拟，但对于一个正态随机分布的序列，一般而言需要在10000次随机才能够比较好的收敛到均值。
3）属性对胜负的影响是非线性的，其测试仅扣除属性4点来研究是否对胜负有影响，但有时候，4点没有影响不表示8点也没有影响，也有可能2点的影响和4点却又是接近的。
4）属性对胜负的影响存在相关性，其测试仅每次改变一个属性来测试对胜负的影响，会被相关性干扰。比如，突破可以躺球变向加速过人，依靠身体素质而不依靠盘带，也可以依靠盘带。如果一个球员身体素质和盘带都优秀，那么减少其盘带并不会明显影响其突破效果，因为他可以用躺球变向加速过人来代替盘带。
5）不同战术对每个位置的球员属性要求是不同的，离开具体战术谈哪些属性对胜负有影响是不严谨的。

4、我们采用人工智能的方式来进行属性重要性研究，人工智能技术采用了类似围棋Alpahgo的深度神经网络。
我们本次试验将战术固定为fm-arena.com上最强战术ZaZ-Blue DM，以分析在此战术下每个位置的球员哪些属性对胜负影响较大。
我们构建了一套人工智能系统，训练AI在全队每个球员CA不变的情况下，设计出每个位置战绩最佳的属性分配。
大概的过程如下，首先，每个位置的每个属性均为相同值，然后神经网络会尝试改变某些位置某些属性的值（保持CA不变），看这一次改变对胜负的影响是正面的还是负面的，以此在多层网络上不断迭代，知道迭代出AI认为的最佳11人组合。
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。

5、为了验证AI给出的最佳11人属性分配是否是真的最佳，我们又进行了结果验证性测试
设计三组球队，一组球队的球员属性是均匀分配的，另一组是由资深玩家根据其游戏经验人工给出的最佳11人属性分配方案，最后一组是AI给出的。放入测试联赛中进行10万场比赛的测试，结果AI给出的方案明显由于人类玩家给出的方案，远超均匀分配方案。

结论：
对于ZaZ-Blue DM战术，各位置我们得到的属性重要性程度如下（为了方便玩家查看，我们对数值进行了归5处理，对于游戏而言，这个精度应该足够了）：

GK：
出击 40 才华 20 爆发力 70
传球 45 防守站位 40 弹跳 45
大脚开球 35 工作投入 10 灵活 100
反应 80 集中 65 耐力 10
拦截传中 40 决断 50 平衡 20
拳击球 0 领导力 10 强壮 70
手控球 50 侵略性 40 速度 50
手抛球 30 视野 40 体质 10
停球 30 团队合作 20 非习惯脚 10
一对一 45 无球跑位 0
意外性 20 意志力 20
指挥防守 30 勇敢 30
制空能力 60 预判 40
镇定 40

中后卫：
传球 55 才华 10 爆发力 90
传中 1 防守站位 55 弹跳 65
盯人 55 工作投入 55 灵活 60
罚点球 10 集中 50 耐力 30
技术 35 决断 50 平衡 35
角球 5 领导力 10 强壮 50
界外球 5 侵略性 40 速度 90
盘带 40 视野 50 体质 10
抢断 40 团队合作 20 非习惯脚 25
任意球 10 无球跑位 10
射门 10 意志力 20
停球 35 勇敢 30
头球 55 预判 50
远射 10 镇定 80

边后卫：
传球 45 才华 20 爆发力 100
传中 25 防守站位 30 弹跳 40
盯人 45 工作投入 90 灵活 60
罚点球 10 集中 45 耐力 100
技术 45 决断 45 平衡 25
角球 30 领导力 10 强壮 25
界外球 30 侵略性 45 速度 90
盘带 50 视野 25 体质 10
抢断 50 团队合作 45 非习惯脚 20
任意球 10 无球跑位 70
射门 10 意志力 20
停球 30 勇敢 20
头球 20 预判 45
远射 10 镇定 30

后腰：
传球 65 才华 50 爆发力 65
传中 10 防守站位 65 弹跳 15
盯人 20 工作投入 90 灵活 45
罚点球 10 集中 50 耐力 70
技术 50 决断 65 平衡 35
角球 10 领导力 10 强壮 35
界外球 5 侵略性 50 速度 70
盘带 45 视野 55 体质 10
抢断 35 团队合作 65 非习惯脚 50
任意球 30 无球跑位 40
射门 20 意志力 20
停球 50 勇敢 30
头球 10 预判 55
远射 40 镇定 60

边锋：
传球 50 才华 20 爆发力 100
传中 65 防守站位 35 弹跳 10
盯人 35 工作投入 75 灵活 50
罚点球 15 集中 35 耐力 75
技术 50 决断 35 平衡 15
角球 30 领导力 10 强壮 30
界外球 30 侵略性 35 速度 100
盘带 55 视野 35 体质 10
抢断 35 团队合作 40 非习惯脚 20
任意球 10 无球跑位 40
射门 15 意志力 20
停球 30 勇敢 15
头球 10 预判 45
远射 10 镇定 30

前腰：
传球 50 才华 20 爆发力 100
传中 5 防守站位 10 弹跳 10
盯人 5 工作投入 80 灵活 30
罚点球 15 集中 25 耐力 80
技术 65 决断 40 平衡 50
角球 5 领导力 10 强壮 30
界外球 1 侵略性 50 速度 80
盘带 65 视野 30 体质 10
抢断 15 团队合作 35 非习惯脚 20
任意球 30 无球跑位 35
射门 65 意志力 20
停球 40 勇敢 20
头球 10 预判 70
远射 20 镇定 35

前锋：
传球 40 才华 25 爆发力 100
传中 5 防守站位 5 弹跳 20
盯人 1 工作投入 60 灵活 30
罚点球 20 集中 5 耐力 65
技术 65 决断 45 平衡 50
角球 5 领导力 10 强壮 25
界外球 1 侵略性 50 速度 70
盘带 75 视野 20 体质 10
抢断 5 团队合作 35 非习惯脚 20
任意球 5 无球跑位 45
射门 80 意志力 20
停球 50 勇敢 20
头球 25 预判 50
远射 25 镇定 35

使用意义：
1、玩家可根据以上表格得到每个位置的关键属性，100是最关键的属性，而1是最不关键的属性，从而指导选材。
2、也可将以上表格的数值作为属性权重，计算属性的加权均值，然后计算“战术真实CA”
战术真实CA = 属性的加权均值 * 20 - 121
通过和球员CA相比，如果战术真实CA高于球员CA则表示此球员非常适合ZaZ-Blue DM战术，战术真实CA越高表示越适合
以此来进行球员选择
为了方便以后这样玩的玩家，我们上面给出的表格是按照球员界面的属性显示顺序排列的，即使不写程序，也可在excel里面搞成三排快速手动输入属性数值后得到“战术真实CA”
3、对训练的指导意义，属性是占用CA的，为了培养得到战术真实CA最高的球员，我们可培养属性性价比最高的属性
每个位置每个属性的培养性价比可用 属性战术真实CA权重 / 属性CA权重 来衡量，此项值越高，表示增加此属性在增加相同CA情况下会让球员的属性战术真实CA更高。

主要限制：
目前实验成本较高，具有不可复制性，引擎版本更换，战术更换，在没有迁移学习的情况下，需要重新训练AI，因此我们下阶段的重点是迁移学习，在某个版本某个战术的情况下迭代训练得到的结果作为新引擎和新战术的基础，快速迭代得到新环境下的结果。