抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,パズルの移動のランダム試行を学習するニューラルネットワークを用いて,15のパズルに対する評価関数を提案した。評価関数によるIDAアルゴリズムを用いて,著者らは,平均において良く知られたManhattan距離に基づく評価関数として,より少ない探索ノードとして,約1/6600の時間で,15のパズルの問題を解決することができた。筆者らの評価関数を,Manhattan評価関数の積と1.3~1.7の定数を持つ非許容評価関数と比較し,計算時間を1/5から1/100に低減した。著者らは,15のパズルの目標パターンからの移動のランダム試行によって生成されたデータセットを使用した。データ集合に加えて,目標状態からの距離が20または22であり,試行系列において頻繁に出現するいくつかのパターンを選択し,パターンからランダムシーケンスを生成した。これらの集合を元のランダムシーケンスに加え,学習のためのニューラルネットワークにセットを与えることにより,評価関数をより効果的にすることができた。(翻訳著者抄録)