第12名方案 - lightGBM 模型

很幸运，我在这次比赛中获得了第12名。
对我来说，这是一次非常有趣且愉快的经历。

我想分享一下我在这次比赛中的解决方案。

基础策略

我使用了4个 LightGBM 预测器，基于最近50场比赛进行训练。

• 预测下一次（我方 / 对手）的出招
• 输入是最近（2 / 3）场比赛的数据

对于每个预测器，有3种策略，分别使用胜手、平手和负手。

因此，总共有12种不同的策略。

每场比赛后，改变每种策略的权重。
如果智能体（Agent）赢得了上一场比赛，上一场比赛所用策略的权重就会增加；如果输了，权重就会减少。
同时也会改变相关策略（使用相同预测器的策略）的权重。

附加策略

确认方法

如果预测器输出的概率非常相似（例如 [0.30, 0.35, 0.35]），这个结果对评估策略有用吗？

因此，我设置了“确认阈值”。
如果最高概率 > 阈值，智能体将使用该策略。否则，智能体使用随机策略。

安全方法

例如，预测器输出的对手出招概率为 [R: 0.45, P: 0.50, S: 0.05]。
在这种情况下，“S”（剪刀）是理论上胜率最高的策略，但“S”有45%的概率会输。
而“P”（布）不是理论上胜率最高的策略，但“P”有45%的概率赢，50%的概率平，只有5%的概率输，这是一个合理的策略。

因此，我设置了“安全阈值”。
如果最低概率 < 阈值，智能体将使用该策略。

超参数

这里有很多超参数。

例如：

• 确认方法阈值
• 安全方法阈值
• 策略权重的变化率
• 用于训练的比赛数量
• LightGBM 的超参数

每天，我都会稍微调整一下超参数，并提交智能体。