Sistema de información para la toma de decisiones basado en indicadores de desempeño de jugadores, orientado a la optimización de procesos de contratación de jugadores empleando algoritmos genéticos-evolutivos.

Abstract

La incorporación del big data ha revolucionado diversos ámbitos, incluido el deportivo, al permitir la gestión y procesamiento eficiente de un conjunto de datos. En particular, en el contexto de la selección de jugadores para equipos de fútbol, esta tarea desafiante y costosa busca optimizar la inversión del club y el desempeño del jugador en el campo de juego. Actualmente, los ojeadores son responsables de esta labor crucial, considerando aspectos como habilidades técnicas, físicas, precio y la adaptación del jugador. En esta investigación se busca mejorar el proceso de selección de equipos de fútbol mediante la implementación de algoritmos genéticos y el aprovechamiento del big data. Se emplearon métodos de extracción de datos como Scrapy, Beautifulsoup y Selenium utilizando Request, para evaluar su eficiencia. El análisis detallado abarca desde la selección de datos hasta la aplicación de los algoritmos genéticos, con enfoque en las técnicas de procesamiento y los resultados obtenidos. Además, se presenta un análisis exhaustivo de los datos obtenidos y el desarrollo del algoritmo genético. Se destaca la evolución de los individuos a lo largo de múltiples generaciones, resaltando estrategias clave como ‘crear_individuos’, ‘crear_poblacion’, ‘fitness’, ‘seleccion’, ‘cruce’ y ‘mutar’. El algoritmo se somete a una evaluación, mostrando su eficacia en la resolución del problema y revelando patrones emergentes en la evolución de poblaciones. Este trabajo ofrece una comprensión profunda de cómo los algoritmos genéticos abordan el desafío de la selección de equipos de fútbol y cómo cada función contribuye al éxito del proceso. La investigación evalúa la calidad de las soluciones obtenidas, su adaptabilidad y la influencia de los parámetros del algoritmo en el rendimiento. Los resultados enriquecen el conocimiento sobre algoritmos genéticos y su aplicabilidad práctica, con potencial para optimizar la toma de decisiones en problemas numéricos.