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。
2つの新しいオペレータ,Long-Shortメモリ(LSM)および葉頂点連合Match(LUM)に基づく,最大共通(連結)誘導部分グラフ問題に対する,新しく強化された分岐およびBound(BnB)アルゴリズムを提案した。最大共通(連結)誘起部分グラフを探索する2つのグラフを与えると,LSMの最初の演算子は,最初のグラフの各頂点の短期報酬と2つのグラフの各頂点ペアの長期的報酬を用いて分岐ノードに対するスコアを維持する。この方法で,BnBプロセスは探索木サイズを著しく減らし,アルゴリズム性能を改善する。LUMの第二演算子は,現在の整合頂点に接続した葉頂点を同時にマッチングすることにより性能を改善し,解最適性に影響することなく複数の頂点対を整合させるアルゴリズムを可能にした。2つのオペレータを最先端のBnBアルゴリズムMcSplitに組み込み,McSplit+LLとして得られたアルゴリズムを示した。実験は,McSplit+LLがMcSplit+RLより優れていて,McSplitより優れていて,強化学習を用いたMcSplitのより最近の変種であることを示した。【JST・京大機械翻訳】