パターン検出に基づくモデル計数方法【JST・京大機械翻訳】

He Fulin; Liu Lei; Lv Shuai; Niu Dangdang; Wang Qiang

文献

J-GLOBAL ID：202002266592739712 整理番号：20A1587205

パターン検出に基づくモデル計数方法【JST・京大機械翻訳】

Model Counting Methods Based on Configuration Checking

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A1587205&COPY=1") }}
高度な検索・分析はJDreamⅢで

著者 (5件)： , , , ,
資料名：
巻： 31 号： 2 ページ： 395-405 発行年： 2020年
JST資料番号： C2542A ISSN： 1000-9825 CODEN： RUXUEW 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)

モデル計数は,与えられた命題の式を求めるモデル数であり,SAT問題の一般化である。モデルの計数は人工知能の分野で広く適用され,そして,マルチ現実問題がモデル計数によって解決できる。現在、常用するモデル計数ソルバーは主にCachetとsharpSATがあり、それらはいずれも完備方法を採用し、かつ高効率の求解能力を持っているが、その求解効率はモデル数に敏感でない。理由は,与えられた問題のモデルが少ないとき,不完全アルゴリズムは,その効率優位性を生み出し,モデル計数に,より好適である。局所探索は,SAT問題を解明するための効率的不完全法であり,Caiらは,局所探索法に適用され,SWccアルゴリズムを提案し,高い解決効率を持つ。SWccアルゴリズムを拡張し、それぞれ反復法と最適化後のインクリメンタル法の二つの高効率の不完全モデル計数方法を獲得し、二つの方法の考え方と具体的な実現を示した。最後に,多数の試験事例の実験結果を示し,この反復法と最適化後のインクリメンタル法の解効率は,与えられた結合ノルムモデルが少ない場合に向上することを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

, , , , , ,
, , 【Automatic Indexing@JST】

計算機網

前のページに戻る