问题：
让我们考虑以下情况：
让T={t_1, t_2, ..., t_h}是一组不同的游戏。每个游戏都是一对一的（它们是单人游戏）。
让n为players的数量，每个数字都具有每个游戏的已知性能指标。该度量可以直接转换为赢得给定游戏的概率。 编辑：功能Q(i|q)给出了玩家i在游戏q中相对于从游戏中均匀分布的玩家获胜的预期概率players的集合。
在锦标赛中，一组玩家从T中抽出其中一局游戏（它是随机选择的，且分布均匀），并可以委派一名玩家（具有最佳性能指标）代表该团队参加比赛。
从所有可能的k成员团队(k<n)中选择最有可能赢得比赛的球队。
说明：球员和球队与由同一组n球员组成的球队对峙。描述问题的更好方法是说：
1）所有可能的k成员团队都是根据给定的n名玩家创建的（玩家可能会在许多团队中重复，但是没有两个团队可能拥有完全相同的玩家集），
2）这些团队配对，并且每对都绘制T中的游戏，
3）每个团队都根据给定的游戏挑选最佳球员（根据问题描述中给出的已知性能指标）-这可能导致球员与自己的相同副本竞争；请注意，“最佳球员”是在不了解对方球队成员的情况下被挑选出来的，只有其自己成员的Q(-|q)值，
4）每支球队的得分数等于赢得比赛的机率（从未进行过实际的比赛，我们假设输给0并赢得了1分，我们直接得出了与指定对手对战时从给定比赛中获得的预期分），
5）对团队和比赛对的所有组合重复步骤2-4，
6）得分最高的队伍（队伍得分与在一场比赛中胜过一场比赛的概率成正比，如果该场比赛和对方球队是分别从T和集合中均匀分布地随机抽取的的所有k个成员团队中的成员）
找到那个获胜球队的“快速”方法是什么？
强力解决方案：
我们完全按照说明中的规定进行操作。
当n达到大量数字时，这种解决方案将惨败-对于n>>k，可能的团队数量大约等于n^k，这使得无法快速指出最佳水平团队。
我正在寻找哪种解决方案（算法）？
很明显，任何可以将团队构建为迭代过程的过程都不需要检查所有可能的团队组成。如果不存在精确的解决方案，则可以接受近似的解决方案（即从第95个百分位数创建团队）。
我已经考虑了一段时间，但是我无法提供任何严格的证据来证明我提出的任何方法都可以满足我的条件。我想出的一种可能的解决方案是，选择一个拥有最高游戏数量的玩家，其自身排名高于例如。 95％的球员-这将是该队的第一名球员。然后，我将遍历所有可能的第二名球员，并增加一个增加球队数量的游戏，而在这个比赛中，该队比例如95％的球员最多。然后，我将继续该过程，直到找到k-th播放器为止。
此解决方案提出了一个明显的问题，即我们实际上并没有相互比较m-th个球员团队，也没有试图找到真正最好的团队（说实话，这不是吗？重要）。
我将不胜感激，也可以通过涉及此类问题的任何外部来源/已发表论文的链接的形式获得帮助。我看过的大多数与建设团队有关的问题都是假设团队的绩效与其成员的平均绩效挂钩，而不是某些任务的最高绩效。
答案 0 :(得分：0)
这个问题有两个主要难点-它们是相互依存的。
首先，这是Set Cover Problem的概率版本：您需要一些可以为您“良好”报道各种游戏的玩家，以获得“良好”的启发。
第二，您的团队赢得特定游戏的可能性并不平稳。游戏策略矩阵是k x k矩阵，更改该矩阵中的一项（对决的结果）可以完全改变最佳策略。
在缺少Q函数的任何有用属性的情况下，我们没有理由期望进行特定的启发式搜索（例如，选择获胜率通常较高的玩家）是找到最佳， 5％的溶液。在许多情况下，几个“一般主义者”玩家会导致任何这样的启发式尝试达到局部最大值，而这种尝试会输给一个精心挑选的小领域专家团队。
例如，假设您正在挑选一支三人制全明星球队参加五项全能比赛（不是得分五项全能，只是个别项目）。您可以选择通才：例如，国际五项全能竞赛中最近的四位奖牌获得者。我将参加单个运动项目中的最新奖牌获得者：法国重剑第一名，最近的200m游泳冠军，最近的两项冬季两项冠军，并且让步让步。实际上，这可以保证我在4项赛事中赢得3场胜利（如果您将冬季两项计为双项，则为5项中的4场）。
如果您对Q函数具有某种梯度属性，例如各种游戏中能力之间的相关性，然后，我们也许可以使用ML算法来确保出色的解决方案所需的时间要少得多。在此之前，您对当前的问题始终束手无策。