Details

Объектом исследования является процесс выбора персонажа на этапе драфта в соревновательной компьютерной игре Marvel Rivals. Предметом исследования выступают методы и алгоритмы сбора, анализа игровых событий в реальном времени и многокритериального принятия решений для рекомендаций оптимального выбора. Цель работы – разработка оверлейной экспертной системы, обеспечивающей автоматизированный сбор данных, анализ игровых событий в реальном времени и предоставление контекстных рекомендаций по выбору персонажей, для повышения эффективности (процента побед) без дополнительных временных затрат для пользователя. В работе проведен анализ предметной области и существующих технологических решений, выявивший отсутствие систем с функцией рекомендаций и отслеживанием событий в реальном времени. Формализованы пять ключевых критериев выбора персонажа. Разработан гибридный алгоритм многокритериального выбора с использованием байесовского сглаживания и прокси-оценки контрвыбора через кластеризацию героев. Реализован программный комплекс в виде оверлейного приложения на платформе Overwolf, написанный на языке программирования TypeScript. Экспериментальное исследованием подтвердило эффективность системы: прирост процента побед составил 8.5%, сокращение времени выбора персонажа – 42%, а также снижение количества смен героя в 2.6 раз. Результаты работы могут быть непосредственно использованы игроками Marvel Rivals, а предложенный гибридный алгоритм адаптирован для других соревновательных игр с фазой выбора персонажа.

The object of the study is the process of character selection during the draft phase in the competitive computer games Marvel Rivals. The subject of the study is methods and algorithms for real-time collection and analysis of game events and multi-criteria decision-making for recommending the optimal choice. The aim of the work is to develop an overlay expert system that provides automated data collection, real-time analysis of game events and provision of contextual character recommendations on the choice of scenarios to increase efficiency (percentage of wins) without additional time costs for the us-er. The paper analyzes the subject area and existing technological solutions, revealing a lack of systems with recommendation functions and real-time event tracking. Five key character selection criteria are formalized. A hybrid multi-criteria selection algorithm is developed using Bayesian smoothing and proxy counter-pick estimation through hero clustering. The software complex is implemented as an overlay application on the Overwolf platform, written in the TypeScript programming language. An experimental study confirmed the system’s effectiveness: win rate increased by 8.5%, character selection time decreased by 42%, and the number of character changes decreased by 2.6 times. The results can be directly used by Marvel Rivals players, and the proposed hybrid algorithm can be adapted for other competitive games with a character selection phase.