文献

J-GLOBAL ID：202002228288662377   整理番号：20A0678057

二重モデルに基づくMUS解法【JST・京大機械翻訳】

MUS Enumeration Based on Double-Model

著者 (5件)： Ouyang Dantong (吉林大学軟件学院 長春130012;吉林大学計算机科学与技術学院 長春130012;符号計算与知識工程教育部重点実験室(吉林大学) 長春130012) ,  Gao Han (吉林大学軟件学院 長春130012;符号計算与知識工程教育部重点実験室(吉林大学) 長春130012) ,  Tian Naiyu (吉林大学計算机科学与技術学院 長春130012;符号計算与知識工程教育部重点実験室(吉林大学) 長春130012) ,  Liu Meng (吉林大学計算机科学与技術学院 長春130012;符号計算与知識工程教育部重点実験室(吉林大学) 長春130012) ,  Zhang Liming (吉林大学軟件学院 長春130012;吉林大学計算机科学与技術学院 長春130012;符号計算与知識工程教育部重点実験室(吉林大学) 長春130012)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 56  号： 12  ページ： 2623-2631  発行年： 2019年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 不満足の問題を解決できる極小不満足部分集合(minimalunsatisfiablesubset,MUS)は人工知能領域の重要な研究方向である。MARCO-M法は現在単一極大化モデルを採用してMUSの高効率を求める方法であり、しかしこの方法は求解空間に対して更に有効な枝刈りを行うことができない。MARCO-M方法の不足に照準を定めて,本論文は,不満足の問題を解決できる問題を解明するために,2つのモデル,すなわち,最大-中間化モデルに基づくMARCO-MAM方式を提案して,MUSを解決した。この手法では,中間モデルを解くために,最大充足可能部分集合(MSS)が得られれば,充足可能問題に対応する解空間を用いて,充足不能問題の解決空間を枝刈りする。MUSの探索空間を,MSSの対応する空間によって枝刈りし,次に,探索空間を縮減することによって,MUSの解決効率を改善した。中間モデルをMUSに解くと,MARCO-M法におけるMUSの反復解の回数は減少する。この方法はMARCO-M法の単一極大化モデルがMUSを解く際に他の最適化技術を利用せず、空間を剪定する問題を避けた。実験結果は,MARCO-M方式と比較して,MARCO-MAM方式がより効率的であり,特に大規模問題または大きい探索空間において,より効率的であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化手法 ,  *人工知能
準シソーラス用語： 解空間 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： モデル ,  解法