案例库 · 研发与科研 · 运营决策 · 2012–2018
一个数学模型与NCAA委员会选择的38支球队中的37支相匹配。
数学规划选出并种子排定68支球队的疯狂三月阵容;在2017年的数据上,它与委员会前38支球队中的37支相匹配。
NCAA(全国大学体育协会)
解法
每年三月,一个由10人组成的轮换委员会从351支一级联赛球队中选出68支参加NCAA男子篮球锦标赛,观看人数超过8000万,然后进行种子排位。选择和种子排位是主观的,容易受到偏见和人为错误的影响。
Bruce Reinig和Ira Horowitz构建了一个数学规划模型,从赛季数据中选出、排名并种子排定68支球队,独立于委员会结构、锦标赛结果和过去赛季。针对2012-2016年的锦标赛进行测试,它总是能复现委员会的排名。
应用于2017年锦标赛时,该算法识别出委员会选出的38支球队中的37支;24个种子位完全匹配,77.6%的种子相差在1位以内,89.6%的种子相差在2位以内,与委员会的排名相比。
生效的原因
- 它将主观的委员会判断转变为客观、可重复的计算。
- 由于模型是透明的,体育主管可以看到赛程变化如何影响他们球队的种子位。
- 它为委员会提供了一个无偏见的起点,同时保留人工审查的空间。
取得的成效用数学对球队进行排名,这样委员会的偏见就无法渗入。聪明
可借鉴之处
当一个小群体做出高风险的排名决策时,从相同数据构建的优化模型能够暴露偏见、加快工作速度,并为每个人提供可辩护的基准。
后续进展
INFORMS在《Interfaces》上发表了这项研究,并在2018年疯狂三月期间免费提供全文,将算法辅助的锦标赛选拔带入了公众讨论。
资料来源
- New study takes the guesswork out of selecting and seeding teams for 'March Madness'
- New study takes the guesswork out of selecting and seeding teams for 'March Madness'
- Using Mathematical Programming to Select and Seed Teams for the NCAA Tournament
发现哪里写错了?告诉我们。