ЛІНІЙНЕ ПРОГРАМУВАННЯ ЯК ЗАСІБ УПРАВЛІННЯ ТРЕНУВАЛЬНИМ ПРОЦЕСОМ КОМАНД В КІБЕРСПОРТІ
DOI:
https://doi.org/10.17309/tmfv.2025.1.15Ключові слова:
кіберспорт, управління, тренувальний процес, лінійне програмування, навантаження, оптимізаціяАнотація
Анотація. Лінійне програмування, завдяки своїй здатності враховувати множинні обмеження та оптимізувати лінійні цільові функції, є перспективним інструментом для вирішення задач планування тренувань. Цей метод дозволяє розробляти індивідуальні плани, які відповідають конкретним цілям кожного гравця та команди в цілому.
Мета. Розробити варіанти лінійного програмування для автоматизації процесу планування тренувального процесу кіберспортивних команд, які дозволять розподіляти навантаження та знаходити оптимальний розподіл часу між різними видами тренувань з урахуванням індивідуальних особливостей кіберспортсменів, обмежень та різних стратегічних цілей.
Методи: аналіз науково-методичної та спеціальної літератури з питань оптимального використання ресурсів, методи експертних оцінок, лінійного програмування, статистичні методи. Застосовувалися надійні статистичні методи: дихотомічна шкала (результати оброблялися за допомогою коефіцієнта конкордації Кохрана (Q), який визначав узгодженість думок експертів щодо кожного виду тренувань); шкала відносин (ранжування) - узгодженість думок аналізували за допомогою коефіцієнта конкордації Кендалла (W).
Результати. Запропоновано алгоритм знаходження розподілу тренувальних навантажень, який передбачає урахування визначених експертами співвідношень і обмежень. Для оптимізації планування тренувального процесу кіберспортивної команди розроблено варіанти лінійного програмування, які описують розподіл часу між різними видами тренувань як задачу лінійного програмування. Варіант 1 слугує для статичного розподілу часу між різними видами тренувань, не оптимізуючи цей розподіл під конкретні цілі. Варіант 2 оптимізує розподіл часу, враховуючи індивідуальні характеристики спортсменів та стратегічні цілі команди. Він враховує такі обмеження як загальна кількість годин тренувань на тиждень, необхідний мінімальний час на кожен вид тренування та інші обмеження. Для пошуку оптимального розподілу часу було використано лінійний оптимізатор MS Excel Розв'язувач. Варіант 2 дозволяє досліджувати різні сценарії планування тренувального процесу кіберспортивної команди, демонструючи, як змінюється розподіл часу на види тренувань залежно від поставлених цілей та фази підготовки. Висновки. На основі запропонованого алгоритму розроблено варіанти лінійного програмування, які успішно вирішують завдання автоматизації планування тренувань кіберспортивних команд. На відміну від Варіанту 1, Варіант 2 пропонує оптимальний розподіл часу між різними видами тренувань (командні тренування, індивідуальні тренування, заняття руховою активністю тощо) з урахуванням індивідуальних особливостей спортсменів та стратегічних цілей команди. Він демонструє високу гнучкість та адаптивність до різних дисциплін кіберспорту і дозволяє досліджувати різні сценарії. Запропонований підхід може бути використаний як основа для створення більш складних систем управління тренувальним процесом. Перспективами подальших досліджень є розширення функціоналу лінійного програмування шляхом включення додаткових факторів, таких як психологічні аспекти, соціальна динаміка в команді та фізіологічні показники спортсменів.
Ключові слова: кіберспорт, управління, тренувальний процес, лінійне програмування, навантаження, оптимізація
Завантаження
Посилання
Chyzmar, I. I. (2021). System formalization of esports development processes in Ukraine. Economic Bulletin of NTUU “Kyiv Polytechnic Institute”, 20, 95-105. https://doi.org/10.20535/2307-5651.20.2021.252853 DOI: https://doi.org/10.20535/2307-5651.20.2021.252853
Shynkaruk, O. (2024). Contemporary problems of esports development. Sports Bulletin of Prydniprovia, 1, 239-250. https://doi.org/10.32540/2071-1476-2024-1-239 DOI: https://doi.org/10.32540/2071-1476-2024-1-239
Bahrololloomi, F., Klonowski, F., & Sauer, S. (2023). E-Sports player performance metrics for predicting the outcome of League of Legends matches considering player roles. SN Computer Science, 4(238). https://doi.org/10.1007/s42979-022-01660-6 DOI: https://doi.org/10.1007/s42979-022-01660-6
Nagorsky, E., & Wiemeyer, J. (2020). Structure of performance and training in esports. PLoS ONE, 15(8), e0237584. https://doi.org/10.1371/journal.pone.0237584 DOI: https://doi.org/10.1371/journal.pone.0237584
Novak, A. R., Bennett, K. J., Pluss, M. A., & Fransen, J. (2020). Performance analysis in esports: Modelling performance at the 2018 League of Legends World Championship. International Journal of Sports Science & Coaching, 15(5-6), 809-817. https://doi.org/10.1177/1747954120966082 DOI: https://doi.org/10.1177/1747954120932853
Shynkaruk, O., Byshevets, N., Serhienko, K., Yakovenko, O., & Usychenko, V. (2024). Fundamentals of programming, software development, and computer systems construction: Textbook. Kyiv.
Byshevets, N., Andrieieva, O., Goncharova, N., Shynkaruk, O., Hakman, A., Usuchenko, V., & Synihovets, I. (2024). General regression modeling of the impact of physical activity on stress-related states in higher education students during military conflict. Journal of Physical Education and Sport, 24(9), 1147-1158. https://doi.org/10.7752/jpes.2024.09239 DOI: https://doi.org/10.17309/tmfv.2024.2.08
Lazko, O., Byshevets, N., Kashuba, V., Lazakovych, Yu., Grygus, I., Andreieva, N., & Skalski, D. (2021). Prerequisites for the development of preventive measures against office syndrome among women of working age. Physical Education Theory and Methodology, 21(3), 227-234. https://doi.org/10.17309/tmfv.2021.3.06 DOI: https://doi.org/10.17309/tmfv.2021.3.06
Zhuk, I. S. (2023). Mathematical models and methods for detecting potentially fixed football matches using publicly available data (Ph.D. Thesis). Kyiv, Ukraine.
Kostiukevych, V., Lazarenko, N., Adamchuk, V., Shchepotina, N., Vozniuk, T., Shynkaruk, O., Asauliuk, I., Konnov, S., & Voitenko, S. (2023). Comprehensive assessment of the preparedness of highly qualified field hockey players at the stage of direct preparation for the main competitions. Physical Education Theory and Methodology, 23(4), 581-590. https://doi.org/10.17309/tmfv.2023.4.13 DOI: https://doi.org/10.17309/tmfv.2023.4.13
Kostiukevych, V., Shynkaruk, O., Borysova, O., Voronova, V., Vozniuk, T., Doroshenko, E., Sushko, R., & Kulchytska, I. (2024). The integral assessment of playing tactics in national football teams. Physical Education Theory and Methodology, 24(5), 749-757. https://doi.org/10.17309/tmfv.2024.5.10 DOI: https://doi.org/10.17309/tmfv.2024.5.10
Bezmylov, M., Shynkaruk, O., Zhigong, Sh., Yang, L., Hanpeng, W., Xiao, L., Griban, G., Semeniv, V., Otravenko, O., Zhukovskyi, Ye., Denysovets, A., & Onufrak, A. (2024). Specific game abilities and their significance for determining the prospects of youth national basketball team players. International Journal of Human Movement and Sports Sciences, 12(4), 699-708. https://doi.org/10.13189/saj.2024.120412 DOI: https://doi.org/10.13189/saj.2024.120412
van Doornmalen, J., Hojny, C., Lambers, R., & Spieksma, F. C. R. (2023). Integer programming models for round robin tournaments. European Journal of Operational Research, 310(1), 24-33. https://doi.org/10.1016/j.ejor.2023.02.017 DOI: https://doi.org/10.1016/j.ejor.2023.02.017
Chyzmar, І. (2023). On the question of transformations of economy based on digital gaming industry. Efektyvna Ekonomika, 2. https://doi.org/10.32702/2307-2105.2023.2.58 DOI: https://doi.org/10.32702/2307-2105.2023.2.58
Byshovets, N., Honcharova, N., Yakovenko, O., & Rodionenko, M. (2020). Optimization tasks in the structure of the educational process of higher education institutions in physical culture and sports. Physical Education, Sports, and Health Culture in Modern Society, 2(50), 3-12. https://doi.org/10.29038/2220-7481-202002-03-12
Hepler, C., Thangarajah, P., & Zizler, P. (2016). Ranking in professional sports: An application of linear algebra for computer science students. In Proceedings of the 21st Western Canadian Conference on Computing Education (WCCCE ‘16) (pp. 1–4). Association for Computing Machinery. https://doi.org/10.1145/2910925.2910935 DOI: https://doi.org/10.1145/2910925.2910935
Techawiboonwong, A., & Yenradee, P. (2023). Aggregate production planning using spreadsheet solver: Model and case study. Science Asia, 28(3). https://doi.org/10.2306/scienceasia1513-1874.2002.28.291 DOI: https://doi.org/10.2306/scienceasia1513-1874.2002.28.291
Matos, C., Sola, A. V. H., Matias, G. D. S., Lermen, F. H., Ribeiro, J. L. D., & Siqueira, H. V. (2022). Model for integrating the electricity cost consumption and power demand into aggregate production planning. Applied Sciences, 12, 7577. https://doi.org/10.3390/app12157577 DOI: https://doi.org/10.3390/app12157577
Yang, D., Wang, J., He, J., & Zhao, C. (2024). A clustering mining method for sports behavior characteristics of athletes based on the ant colony optimization. Heliyon, 10, e33297. DOI: https://doi.org/10.1016/j.heliyon.2024.e33297
Valenko, T., & Klanšek, U. (2017). An integration of spreadsheet and project management software for cost optimal time scheduling in construction. Organization, Technology and Management in Construction, 9, 1627–1637. https://doi.org/10.1515/otmcj-2016-0028 DOI: https://doi.org/10.1515/otmcj-2016-0028
Alexander, M. K., Le, L., & Tsiango, C. (2018). Modeling and analysis of features of team play strategies in eSports applications. Modern Information Technologies and IT Education, 14(2), 397-407. https://doi.org/10.25559/SITITO.14.201802.397-407 DOI: https://doi.org/10.25559/SITITO.14.201802.397-407
Minami, S., Koyama, H., Watanabe, K., Saijo, N., & Kashino, M. (2024). Prediction of esports competition outcomes using EEG data from expert players. Computers in Human Behavior, 160, 108351. https://doi.org/10.1016/j.chb.2024.108351 DOI: https://doi.org/10.1016/j.chb.2024.108351
Shynkaruk, O., Lut, I., Pinchuk, V., & Vasyliyev, M. (2024). The influence of objective and subjective factors on the performance of teams in esports. Sport Science and Human Health, 2(12), 186-200. https://doi.org/10.28925/2664-2069.2024.214 DOI: https://doi.org/10.28925/2664-2069.2024.214
Downloads
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Oksana Shynkaruk, Byshevets, Nataliia, Aloshyna Alla, Iakovenko Olena, Serhiienko Kostiantyn, Pinchuk Valerii, Petryk Oleksandr, Lut Ivan
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
