這兩個原則事實上會有某個程度的牴觸，根據原則一，我們排出來的棒次應該會類似下圖：
如此全隊最佳的打者會接在最差的打者後面，這使得他的推壘能力被浪費掉了。
如果根據原則二，我們可以排出如下的棒次：
當然這個棒次是可以平移的，我們將所有球員往前移一棒
除了一二棒倒過來外，這個棒次相當接近傳統棒次的安排，最強打者放四棒，然後依序是三、五棒，最弱的打者則是擺在第八棒。
如果再往前移一個棒次，並且調整一下後段棒次使其在不違背原則二的前提下更接近原則一，就會變成如下的狀況：
這個棒次安排在數學上來講應該是最好的排法之一。
以上壘能力和推壘能力來看，大致如下圖所示：
當然，實際上的最佳棒次需要看實際的球員組合而定，我觀察我的程式模擬結果，並沒有發現能循序挑出各棒次最佳球員的規則。
那麼，在我的程式中，是如何決定最佳棒次的呢？ 直覺的解法是利用一套公式計算每種可能棒次的得分期望值，然後在9!=362880種棒次當中選出得分期望值最高的一組棒次。然而這種方法相當的耗費時間，所以我利用演化計算(EC)中(1+1)-EP的方式來改進。系統先選取一組棒次做為起始值(一般是隨機選取即可，在系統則是以OPS降冪為起始值)，每次變動一些產生一組新的棒次來和目前的棒次比較，留下較好的一組，如此重複運算一定數量的世代後，最後留下來的棒次就是答案。
在以上的架構中，還有兩個問題尚待解決，首先我們必需能分辨兩組棒次的優劣，另外必需訂定產生新棒次的規則。
先談後者，使用EC有個前提，就是好棒次產生的棒次中必需多數也是好的，否則使用EC就和隨機選取意義相同了。在排棒問題上，我們只要使用簡單的突變方式就能達到這個目標。系統採用的突變方式有三種，首先是swap(交換)，簡單的將兩個棒次的球員對調(例: A-B-C-D-E-F-G-H-I swap(C,G)-> A-B-G-D-E-F-C-H-I)；其次是shift(平移)，將一個球員移到某個棒次，之間的球員全部平移一棒(例: A-B-C-D-E-F-G-H-I shift(C,7)-> A-B-D-E-F-G-C-H-I)；最後是replace(取代)，將先發球員換成板凳球員，和swap不同的地方僅在於必須考慮守位而已。
至於比較兩組棒次的好壞部份，以演化計算的精神來說，其實並不需要算出確實的得分，只需要能分辨高下即可，甚至比較的準確率不需要是100%，但是我們還是用一套公式為各棒次計算出它的得分期望值。這個計算公式的原理是球隊的總得分＝所有打者個人得分的總和，而打者的個人得分可以用打者本身和之後棒次的打擊資料算出來。運算過程如下：
- 根據每個球員的上壘率，計算一場比賽中每個球員在不同出局數的打席期望值。
- 根據一個球員的打擊資料，我們可以算出他打完一個打席後出局的機率，全壘打的機率，以及停在一、二、三壘的機率。
- 再根據這個球員之後棒次的球員打擊資料，我們可以算出該球員在各出局數時被推回來得分的機率。
- 將這個機率乘上打席期望值並加總，就可以求出球員一場比賽的得分期望值。
- 將九棒的得分期望值加起來，就是球隊一場比賽的得分期望值。
這個系統已經有做的修正包括：
- 跑者可能靠著一壘安打推進兩個壘包，或是二壘安打推進三個壘包。
- 跑者可能靠著野手選擇進壘。
- 打者可能會因為失誤上壘，跑者也會因為失誤進壘。
- 跑者有可能會盜壘，也會被阻殺。
- 打者可能會擊出雙殺打。
這個系統的另一個問題在於，如果一個打者的成績是在三棒打出來的，這名打者換到一棒是否還能維持一樣的成績？棒球的打擊大概是團隊運動中受隊友影響最少的項目之一，我們並不要求球員因為棒次變動而改變打擊型態，假設球員們的心理狀況也沒有受到影響(或是不會影響打擊成績)，但是如果後一棒從Barry Bonds換成Dave Roberts的話，相信打擊成績還是出現一定程度的變化。
話說回來，反正這個東西本來就只是個小玩具，同樣九個人組成的棒次，運算出來最好的結果和平均值的差距大約也只有一場比賽0.1分而已，而實際會被教練和球迷排出來的棒次，彼此之間的差距恐怕不會超過每場0.05分，這不過能讓勝率提高半個百分點而已，所以大家還是玩玩就好，不需要太認真。 :D
發表文章
沒有留言:
張貼留言