Algorithm 确定最佳团队和队形的算法？

我正在寻找适合我在运动队管理模拟器（如曲棍球或足球）中使用的算法。模拟器的一些功能：

• 球队可以采用不同的阵型（如足球队的4-4-2）
• 球队中的每个球员都有一个数字等级，来衡量他们在队形中每个位置的表现
• 有一批能力各异的队员可供挑选

---

哪些算法可用于以编程方式高效地确定最强大的团队和编队？

可应用于您的问题的简单启发式算法是贪婪算法，其解释见

---

另一个解决方案是创建两个虚拟节点（开始和结束），并将你的玩家池视为有序图（首先是守门员，然后是右翼防御者，等等）。边缘将包括考虑中位置的球员等级。在此场景中，您将有一个场景，可以应用a*算法，您将在中找到该算法的描述（请记住，最大化问题只是反函数的最小化）。

您可以尝试使用现有AI工具进行优化的启发式方法，如或。
我会提供更多关于爬山的细节，因为它是我的最爱

将你的问题表示为状态图

G=（V，E）

这样

V={所有可能的状态}

和

E={（u，V）|交换一个玩家，你可以从u移动到V}

。
同样，让

u:V->R

成为编队的效用函数。
因为我们不想生成图形，所以让

next:V->2^V

成为一个函数，这样

next（V）={通过改变一个玩家可以得到的所有可能的队形}

爬山的想法是从一个随机的队形开始，当你陷入困境时，贪婪地尽可能地做出最好的改变-从一个新的随机队形重新启动算法

1. best<- -INFINITY
2. while there is more time
3. choose a random matching
4. NEXT <- next(s)
5. if max{ u(v) | for each v in NEXT} < u(s): //s is a local maximum
   5.1. if u(s) > best: best <- u(s) //if s is better then the previous result - store it.
   5.2. go to 2. //restart the hill climbing from a different random point.
6. else:
   6.1. s <- max { NEXT }
   6.2. goto 4.
7. return best //when out of time, return the best solution found so far.

---

1。最好如果我们通过图形对问题进行建模，并注意到不同形式的数量很小，那么问题是

为了用二部图对问题进行建模，将球员放在一个部分，将位置放在另一部分（例如在足球中），形成一个球员池和11个位置，将所有球员连接到所有位置，并将相应的边权重设置为相应位置的球员等级

现在你要做的就是在这个完整的二部图中找到一个。（代码在wiki链接中提供）

我想我们的阵型数量是有限的，对于每个阵型，我们可以找到相应的匹配图，以及它的最大权重匹配，最后在所有可能的阵型上取最大值（在所有的图中）。
它闻起来是NP难的（尽管我没有想到减少）你想要启发式方法吗？是的，无论什么都能很快完成任务！如果它“简单”到在队形的每个位置都放上最高等级的球员，那么贪婪算法应该表现得相当好。我同意采用启发式方法，因为不需要考虑每一种不同的组合。@amit NP complete，我认为。可能和你有关，不是吗？非常感谢大家！很好的答案，我真的很高兴我现在问了这个问题。因为我觉得自己没有资格，所以我很难选择一个胜利者！A*是一种寻路算法，我不确定你在寻找什么路径，在这种情况下，目标节点是什么？我不确定我是否遵循了这一思路，您是否愿意详细说明\A*是一种启发式算法，用于查找两个节点之间的最小成本路径。目标将是我告诉您要创建的虚拟节点“end”。多条路径是每个位置的所有玩家之间的组合。不要担心组合爆炸，因为您只会探索一些路径（那些对于算法的每次迭代都有希望的路径）。这非常符合我的要求。谢谢