EA FC Automated SBC Solving

Solução SBC automatizada da EA FC ⚽

Como é que isso funciona? ?

Este projeto utiliza programação inteira para resolver desafios de construção de esquadrão (SBCs). O problema de otimização é resolvido usando o solucionador Google CP-SAT. Essa abordagem oferece amplos recursos de personalização, juntamente com a capacidade de determinar a otimização da solução.

The goal is to obtain the squad with the minimum total cost.

Como usar? ?

• Para baixar o conjunto de dados do clube, use a extensão (versão >= 1.1.0.3).

• As entradas para as diferentes restrições podem ser encontradas em input.py . Configure as entradas apropriadas para cada restrição SBC em input.py ( L43-77 e L28-30 ) e, em seguida, navegue até optimize.py (L581-615) e remova o comentário da linha relevante com base nos requisitos do SBC. Também não se esqueça de definir a formation em input.py !

• Por exemplo, se o requisito for Same League Count: Max 5 ou Max 5 Players from the Same League então defina MAX_NUM_LEAGUE = 5 ( L53 em input.py ) e remova o comentário model = create_max_league_constraint(df, model, player, map_idx, players_grouped, num_cnts) ( L589 em optimize.py ).

• Se o requisito for Nations: Max 2 , defina NUM_UNIQUE_COUNTRY = [2, "Max"] ( L62 em input.py ) e remova o comentário model = create_unique_country_constraint(df, model, player, map_idx, players_grouped, num_cnts) ( L598 em optimize.py ).

• Se você estiver priorizando duplicatas definindo ( L28-L30 ) em input.py então model = prioritize_duplicates(df, model, player) em optimize.py ( L615 ) deve ser descomentado.

• Se, por exemplo, o SBC quiser at least 3 players from Real Madrid and Arsenal combined e at least 2 players from Bayern Munich , então defina CLUB = [["Real Madrid", "Arsenal"], ["FC Bayern"]] e NUM_CLUB = [3, 2] ( L43-44 em input.py ) e, em seguida, remova o comentário model = create_club_constraint(df, model, player, map_idx, players_grouped, num_cnts) ( L581 em optimize.py ).

• Se o SBC exigir pelo menos 6 Rare e 8 Gold , defina RARITY_2 = ["Rare", "Gold"] e NUM_RARITY_2 = [6, 8] em input.py (L71-72) e remova o comentário model = create_rarity_2_constraint(df, model, player, map_idx, players_grouped, num_cnts) ( L603 em optimize.py ).

• Restrições como Chemistry ( optimize.py , L620 ) ou FIX_PLAYERS ( optimize.py , L623 ) não requerem ativação explícita. Se não houver necessidade de Chemistry , defina-o como 0 em input.py (L79) . Da mesma forma, se nenhum jogador precisar de conserto, deixe FIX_PLAYERS vazio em input.py (L12) .

• O objective é definido em optimize.py ( L626 ). A natureza do objective pode ser alterada em input.py ( L20-21 ). Atualmente o objetivo é minimize o total cost .

• Parâmetros adicionais em input.py devem ser revisados ​​para obter mais informações.

• Em main.py , especifique o nome do club dataset em L57 . O conjunto de dados é pré-processado em preprocess_data_2 dentro de main.py . Filtros adicionais podem ser adicionados de maneira semelhante aos existentes.

• Atualmente, os insumos estão definidos para resolver este desafio da MSC. A lista final de jogadores está gravada no arquivo output.xlsx . Para executar o programa, basta executar py main.py após instalar as dependências necessárias. Nota: Este parece ser um SBC muito difícil e por isso tive que ativar o filtro de classificação em main.py (L41) .

Dependências

Execute pip3 install -r requirements.txt para instalar as dependências necessárias.

• Ferramentas OR do Google v9.8

• Pitão 3.9

• pandas e openpyxl

Outros solucionadores SBC de código aberto interessantes

• https://github.com/ThomasSteere/Auto-SBC

• https://github.com/bartlomiej-niemiec/eafc-sbc-solver

• https://github.com/kosciukiewicz/sbc-solver

Reconhecimento

Obrigado GregoryWullimann por tornar o processo de criação de modelo incrivelmente mais rápido.

Obrigado Jacobi from EasySBC por ajudar com squad_rating_constraint .

Obrigado GeekFiro por testar o solucionador e fornecer comentários e discussões valiosos.

Obrigado fifagamer#1515 e Frederik por fornecerem os conjuntos de dados do seu clube ( Real_Madrid_FC_24.csv e Frederik FC_24.csv ) e seus comentários.

Obrigado ckalgos por criar a extensão para baixar o conjunto de dados do clube.

Obrigado drRobertDev por fornecer o conjunto de dados Fc25Players.csv .

Obrigado a todos que abriram problemas no repositório e forneceram seus comentários.

Obrigado a todas as pessoas que comentaram no post do reddit.

Obrigado FutDB por fornecer a API que me permitiu testar o solucionador originalmente em 10 mil jogadores ( input.csv )