JP2009265867A - 組合せ最適解演算装置 - Google Patents
組合せ最適解演算装置 Download PDFInfo
- Publication number
- JP2009265867A JP2009265867A JP2008113611A JP2008113611A JP2009265867A JP 2009265867 A JP2009265867 A JP 2009265867A JP 2008113611 A JP2008113611 A JP 2008113611A JP 2008113611 A JP2008113611 A JP 2008113611A JP 2009265867 A JP2009265867 A JP 2009265867A
- Authority
- JP
- Japan
- Prior art keywords
- solution
- evaluation function
- function value
- adjacent
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】効率的に最適解の探索を継続することのできる組合せ最適解演算装置を得る。
【解決手段】初期の組合せ状態を現在解及び最適解として出発し、現在解の隣の状態と定義された第1の隣接状態セットの中から評価関数値が最小である最小隣接解を抽出して現在解に対する改善率が所定値以上のとき現在解を最小隣接解に遷移させ、遷移させた現在解の評価関数値が既得の最適解の評価関数値よりも良ければ現在解を最適解にする。改善率が所定値未満のときは、第1の隣接状態セットとは別の隣の状態と定義された第2の隣接状態セットによる探索に切り替え、第2の隣接状態セットの中から最小隣接解を抽出して現在解に対する改善率が所定値以上のとき現在解を最小隣接解に遷移させ、現在解が最適解よりも良ければ現在解を最適解にする。改善率が所定値未満のときは、第1の隣接状態セットの探索に戻す。この動作を繰り返し、評価関数値が最小となる最適解を求める。
【選択図】図2
【解決手段】初期の組合せ状態を現在解及び最適解として出発し、現在解の隣の状態と定義された第1の隣接状態セットの中から評価関数値が最小である最小隣接解を抽出して現在解に対する改善率が所定値以上のとき現在解を最小隣接解に遷移させ、遷移させた現在解の評価関数値が既得の最適解の評価関数値よりも良ければ現在解を最適解にする。改善率が所定値未満のときは、第1の隣接状態セットとは別の隣の状態と定義された第2の隣接状態セットによる探索に切り替え、第2の隣接状態セットの中から最小隣接解を抽出して現在解に対する改善率が所定値以上のとき現在解を最小隣接解に遷移させ、現在解が最適解よりも良ければ現在解を最適解にする。改善率が所定値未満のときは、第1の隣接状態セットの探索に戻す。この動作を繰り返し、評価関数値が最小となる最適解を求める。
【選択図】図2
Description
この発明は、組合せ最適解を求める組合せ組合せ最適解演算装置に関するものであり、ロジスティクス、DNAの塩基配列類似度を決定する配列アライメント、LSI最適配線決定などの各種最適化設計、電力系統における発電機起動停止問題、系統構成作成、目標系統作成ならびに開閉器操作手順作成、最適スケジュール作成、各種最適制御等に使用される。
従来の組合せ最適化問題の解法として、例えばシミュレーテッドアニーリング法(以下、SA法という)が提案されている。SA法は、物理系における焼きなまし過程を計算機上で模擬するものであり、その内容は次の通りである。最初のステップにおいて、組合せ状態を表す初期解xと温度を表す値Tの初期値(初期温度T)を設定する。2番目のステップでは、初期解xの隣接解yを生成する。3番目のステップでは、隣接解yと初期解xの目的関数(評価関数、この場合はエネルギー)の変化量ΔE=f(x)−f(y)を計算する。4番目のステップでは、ΔEが負(隣接解yの方が初期解xより良い解)なら処理を6番目のステップに遷移させ、ΔEが負でないなら処理を5番目のステップに遷移させる。
5番目のステップでは、区間[0,1]の一様乱数γを発生させ、Exp(−ΔE/T)>γが成立するかの判定を行い、成立する場合には解の悪化を許容し、処理を6番目のステップに遷移させ、成立しない場合には、初期解xの更新を行わないこととし、処理を7番目のステップに遷移させる。なお、Exp(−ΔE/T)>γが成立する確率は、ΔEが小さく(初期解xに比べた隣接解yの解の悪化度合いが小さく)、温度Tが大きいほど大きくなる。6番目のステップでは、初期解xを隣接解yに更新する(初期解xを隣接解yに遷移させる)、つまり、隣接解yを採用する。
7番目のステップでは、平衡状態(多数回この判定を行っても初期解xに変化がない状態)になっているかの判定を行い、平衡状態でない場合には、処理を2番目のステップに戻し、平衡状態の場合には、温度Tを下げるために処理を8番目のステップに遷移させる。8番目のステップでは、温度Tを下げるためにTをρ(0<ρ<1)倍する。9番目のステップでは、基底状態(充分に温度Tが低い状態)になったかの判定を行い、基底状態と判定される場合にはその時点の初期解xを最適解として処理を終了し、その他の場合には、処理を2番目のステップに戻す(例えば、非特許文献1参照)。
以上のように、このような方法によれば、より悪い状態への遷移が確率的に許されており、組合せ状態を表す初期解xが極小解に到達しても、極小解に捕まらずに遷移を継続することが可能となり、より良い解を見つけ出すことが可能となっている。
電気学会技術報告第647号「新しい電力システム計画手法」財団法人電気学会、1997年8月8日発行、第50頁−第53頁
このように、従来の探索方法を用いて組合せ最適化問題を解く上での最大の技術課題は、いかに極小解から脱出し探索を継続するかにあり、従来から様々な方法が提案されている。これらを大きく分類すると次のようになる。
1)ある確率でより悪い状態への遷移を許す(上述の方法)。
2)許される遷移の中で最良の状態への遷移を繰り返す(極小解においては評価関数値が悪化する遷移が発生する)こととし、遷移に伴い組合せの内容に変化のあった部分に関しては、ある期間、逆向きの変化を禁止することにより、通過した極小解へ戻ることを抑制する。
1)ある確率でより悪い状態への遷移を許す(上述の方法)。
2)許される遷移の中で最良の状態への遷移を繰り返す(極小解においては評価関数値が悪化する遷移が発生する)こととし、遷移に伴い組合せの内容に変化のあった部分に関しては、ある期間、逆向きの変化を禁止することにより、通過した極小解へ戻ることを抑制する。
これら、従来の方式では、探索の効率が隣接状態の定義および初期解の選択に大きく依存し、一部の極小解周辺の探索に探索時間の大部分を費やし、より評価関数値の良い準最適解を見逃すことがしばしばあるという問題点があった。
この発明は、探索方法を用いて組合せ最適化問題を解く上での最大の技術課題である「いかに極小解から脱出し探索を継続するか」に関して、効率的に最適解の探索を継続することのできる組合せ最適解演算装置を得ることを目的とする。
この発明は、探索方法を用いて組合せ最適化問題を解く上での最大の技術課題である「いかに極小解から脱出し探索を継続するか」に関して、効率的に最適解の探索を継続することのできる組合せ最適解演算装置を得ることを目的とする。
この発明に係る組合せ最適解演算装置においては、
所定の評価関数値が最良となる組合せ状態を最適解として求めるための組合せ最適解演算装置であって、
初期の組合せ状態を現在解及び最適解として出発し、現在解の隣の状態と定義された組合せ状態である第1の隣接状態セットの中から評価関数値が最良となる第1の最良隣接解を抽出し、
この抽出した第1の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第1の改善率が所定値以上のとき現在解を第1の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第1の改善率が所定値以上でないときは第1の隣接状態セットとは別の現在解の隣の状態と定義された組合せ状態であって組合せ状態を大きく変化させる第2の隣接状態セットの中から評価関数値が最良となる第2の最良隣接解を抽出し、
抽出した第2の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第2の改善率が所定値以上のとき現在解を第2の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第2の改善率が所定値以上でないとき第1の隣接状態セットに戻り最適解の探索を継続するものである。
所定の評価関数値が最良となる組合せ状態を最適解として求めるための組合せ最適解演算装置であって、
初期の組合せ状態を現在解及び最適解として出発し、現在解の隣の状態と定義された組合せ状態である第1の隣接状態セットの中から評価関数値が最良となる第1の最良隣接解を抽出し、
この抽出した第1の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第1の改善率が所定値以上のとき現在解を第1の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第1の改善率が所定値以上でないときは第1の隣接状態セットとは別の現在解の隣の状態と定義された組合せ状態であって組合せ状態を大きく変化させる第2の隣接状態セットの中から評価関数値が最良となる第2の最良隣接解を抽出し、
抽出した第2の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第2の改善率が所定値以上のとき現在解を第2の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第2の改善率が所定値以上でないとき第1の隣接状態セットに戻り最適解の探索を継続するものである。
この発明は、所定の評価関数値が最良となる組合せ状態を最適解として求めるための組合せ最適解演算装置であって、
初期の組合せ状態を現在解及び最適解として出発し、現在解の隣の状態と定義された組合せ状態である第1の隣接状態セットの中から評価関数値が最良となる第1の最良隣接解を抽出し、
この抽出した第1の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第1の改善率が所定値以上のとき現在解を第1の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第1の改善率が所定値以上でないときは第1の隣接状態セットとは別の現在解の隣の状態と定義された組合せ状態であって組合せ状態を大きく変化させる第2の隣接状態セットの中から評価関数値が最良となる第2の最良隣接解を抽出し、
抽出した第2の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第2の改善率が所定値以上のとき現在解を第2の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第2の改善率が所定値以上でないとき第1の隣接状態セットに戻り最適解の探索を継続するものであるので、
効率的に最適解の探索を継続することができる。
初期の組合せ状態を現在解及び最適解として出発し、現在解の隣の状態と定義された組合せ状態である第1の隣接状態セットの中から評価関数値が最良となる第1の最良隣接解を抽出し、
この抽出した第1の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第1の改善率が所定値以上のとき現在解を第1の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第1の改善率が所定値以上でないときは第1の隣接状態セットとは別の現在解の隣の状態と定義された組合せ状態であって組合せ状態を大きく変化させる第2の隣接状態セットの中から評価関数値が最良となる第2の最良隣接解を抽出し、
抽出した第2の最良隣接解の評価関数値が現在解の評価関数値に比較して所定値以上改善されているときすなわち第2の改善率が所定値以上のとき現在解を第2の最良隣接解に遷移させ、この遷移させた現在解の評価関数値が最適解の評価関数値よりも良い値であれば遷移させた現在解を最適解とし、第2の改善率が所定値以上でないとき第1の隣接状態セットに戻り最適解の探索を継続するものであるので、
効率的に最適解の探索を継続することができる。
実施の形態1.
図1、図2はこの発明の実施の一形態を示すものであり、図1は組合せ最適解演算装置の構成を示すブロック図、図2は組合せ最適解演算装置の動作を示すフローチャートである。この実施の形態は、最小化問題の解法例、すなわち評価関数値のより小さな状態を求める問題の解法例であるが、最大化問題の解法例についても同様に行うことができる。
図1、図2はこの発明の実施の一形態を示すものであり、図1は組合せ最適解演算装置の構成を示すブロック図、図2は組合せ最適解演算装置の動作を示すフローチャートである。この実施の形態は、最小化問題の解法例、すなわち評価関数値のより小さな状態を求める問題の解法例であるが、最大化問題の解法例についても同様に行うことができる。
図1において、組合せ最適解演算装置は、初期状態設定手段11、評価関数値算出手段12、定義セット切替手段13、隣接解着目手段14、評価関数値評価手段15、隣接解・現在解比較手段16、探索条件判定手段17、隣接状態定義保存手段21、現在解保存手段22、最適解保存手段23、隣接解保存手段24を有する。このような組合せ最適解演算装置は、例えばCPUと記憶装置を有する計算機により、所定の動作を行うアルゴリズムを記述したプログラムに従ってデータ処理を行うことで実現される。
次に動作について、図2のフローチャートにより説明する。ステップS101では、初期状態設定手段11が現在解を開始時点の組合せの状態を表す初期状態の初期解に設定し、評価関数値算出手段12がその評価関数値を算出する。ステップS102では、評価関数値算出手段12が現在解を現在解保存手段22に記憶させるとともに、最適解保存手段23に最適解として保存する。ステップS103では、定義セット切替手段13が隣接状態の定義を、隣接状態定義保存手段21から読み出して通常の隣の定義である隣接状態セット1に初期設定する。ステップS104では、隣接解着目手段14が現在解の隣接解のうちの1つに着目し、ステップS105では、着目した隣接解の評価関数値を評価関数値算出手段12が算出する。
ステップS106では、評価関数値評価手段15が評価関数値算出手段12が算出した隣接解の評価関数値と隣接解保存手段24に保存されている隣接解の評価関数値とを比較して小さい方の隣接解を隣接解保存手段24に保存する。ステップS107では、隣接解着目手段14が現在解の全ての隣接解に着目したかどうかを判定し、着目していない隣接解が残っていれば、処理をステップS104に戻し、全ての隣接解に着目済みであれば、ステップS108へ進む。以上のステップS107までの動作により、評価関数値が最小の隣接解すなわち最良隣接解としての最小隣接解が抽出される。
ステップS108では、隣接解・現在解比較手段16は隣接解保存手段24に保存されている最小隣接解の評価関数値が、現在解保存手段22に保存されている現在解の評価関数値よりも一定値以上小さいかどうか、すなわち現在解の評価関数値に対する最小隣接解の評価関数値の改善率としての第1の改善率が所定値以上かどうかを判定し、現在解の評価関数値よりも一定値以上小さければ、処理をステップS109に進め、ステップS109では、隣接解・現在解比較手段16は現在解を評価関数値が最小となる隣接解すなわち評価関数値が最良となる第1の組合せ状態である最小隣接解に遷移させる。つまり、現在解を最小隣接解に置き換える。そうでなければ、処理をステップS111まで進める。
ステップS110では、現在解(最小隣接解)の評価関数値が最適解保存手段23に保存されている最適解の評価関数値より小さければ(良ければ)現在解を最適解として最適解を更新保存する。ステップS111では、定義セット切替手段13は隣接状態の定義を切り替える。すなわち、それまで隣接状態セット1で探索していれば隣接状態セット2へ切り替え、逆に、それまで隣接状態セット2で探索していれば隣接状態1へ切り替える。同様の探索を繰り返す。なお、隣接状態セット2での探索においては、ステップS108における改善率の判定は、現在解の評価関数値に対する最小隣接解の評価関数値の改善率としての第2の改善率が所定値以上かどうかで判定する。
ステップS112では、探索条件判定手段17が探索終了条件を満たしたかどうかを判定し、満たしていれば処理を終了し、満たしていなければステップS104へ処理を戻して探索を継続する。探索終了条件判定は、例えば、「現在解の遷移を所定回数実施したかどうか」で判定する。
なお、上記実施の形態では、組合せ状態の評価関数値が最小になるものが最適解である場合について説明したが、組合せ状態の評価関数値が最大になるものが最適解となる場合も同様にして最適解を求めることができる。この場合、例えば、図2のステップS106において評価関数値が最小となる最小隣接解を求める代わりに最大となる最大隣接解を求め、ステップS108において最大隣接解の評価関数値が、現在解の評価関数値よりも一定値以上大きいか否かで判定するなど、大小の関係を逆にする。この発明においては、「最良となる」なる用語は上述のような場合における「最小となる」及び「最大となる」の両者を含むものであり、「改善率が所定値以上」なる用語は「最小隣接解の評価関数値が、現在解の評価関数値よりも一定値以上小さい」場合及び「最大隣接解の評価関数値が、現在解の評価関数値よりも一定値以上大きい」場合の両者を含むものである。
以上のように構成することにより、1つの隣接状態定義での準最適解周辺の探索に捕らわれることなく、短時間で広い問題空間を探索することが可能となり、効率的に最適解の探索を継続することができる。
11 初期状態設定手段、12 評価関数値算出手段、13 定義セット切替手段、
14 隣接解着目手段、15 評価関数値評価手段、16 隣接解・現在解比較手段、
17 探索条件判定手段、21 隣接状態定義保存手段、22 現在解保存手段、
23 最適解保存手段、24 隣接解保存手段。
14 隣接解着目手段、15 評価関数値評価手段、16 隣接解・現在解比較手段、
17 探索条件判定手段、21 隣接状態定義保存手段、22 現在解保存手段、
23 最適解保存手段、24 隣接解保存手段。
Claims (1)
- 所定の評価関数値が最良となる組合せ状態を最適解として求めるための組合せ最適解演算装置であって、
初期の組合せ状態を現在解及び最適解として出発し、上記現在解の隣の状態と定義された組合せ状態である第1の隣接状態セットの中から上記評価関数値が最良となる第1の最良隣接解を抽出し、
この抽出した第1の最良隣接解の上記評価関数値が上記現在解の上記評価関数値に比較して所定値以上改善されているときすなわち第1の改善率が所定値以上のとき上記現在解を上記第1の最良隣接解に遷移させ、この遷移させた現在解の上記評価関数値が上記最適解の上記評価関数値よりも良い値であれば上記遷移させた現在解を最適解とし、上記第1の改善率が上記所定値以上でないときは上記第1の隣接状態セットとは別の上記現在解の隣の状態と定義された組合せ状態であって上記組合せ状態を大きく変化させる第2の隣接状態セットの中から上記評価関数値が最良となる第2の最良隣接解を抽出し、
上記抽出した第2の最良隣接解の上記評価関数値が上記現在解の上記評価関数値に比較して所定値以上改善されているときすなわち第2の改善率が上記所定値以上のとき上記現在解を上記第2の最良隣接解に遷移させ、この遷移させた現在解の上記評価関数値が上記最適解の上記評価関数値よりも良い値であれば上記遷移させた現在解を最適解とし、上記第2の改善率が上記所定値以上でないとき上記第1の隣接状態セットに戻り上記最適解の探索を継続するものである
組合せ最適解演算装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008113611A JP2009265867A (ja) | 2008-04-24 | 2008-04-24 | 組合せ最適解演算装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008113611A JP2009265867A (ja) | 2008-04-24 | 2008-04-24 | 組合せ最適解演算装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009265867A true JP2009265867A (ja) | 2009-11-12 |
Family
ID=41391661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008113611A Pending JP2009265867A (ja) | 2008-04-24 | 2008-04-24 | 組合せ最適解演算装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009265867A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010186425A (ja) * | 2009-02-13 | 2010-08-26 | Mitsubishi Electric Corp | 組合せ最適解を求めるデータ処理方法およびデータ処理装置 |
CN109696901A (zh) * | 2018-11-30 | 2019-04-30 | 红云红河烟草(集团)有限责任公司 | 一种卷接包设备运行状态评价及预测方法 |
CN112262397A (zh) * | 2018-06-05 | 2021-01-22 | 三菱电机株式会社 | 最优化系统和最优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001117773A (ja) * | 1999-10-18 | 2001-04-27 | Kotaro Hirasawa | 離散最適解の探索方法 |
JP2007241340A (ja) * | 2006-03-03 | 2007-09-20 | Navitime Japan Co Ltd | N分割巡回経路探索システム、経路探索サーバ、n分割巡回経路探索方法 |
-
2008
- 2008-04-24 JP JP2008113611A patent/JP2009265867A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001117773A (ja) * | 1999-10-18 | 2001-04-27 | Kotaro Hirasawa | 離散最適解の探索方法 |
JP2007241340A (ja) * | 2006-03-03 | 2007-09-20 | Navitime Japan Co Ltd | N分割巡回経路探索システム、経路探索サーバ、n分割巡回経路探索方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010186425A (ja) * | 2009-02-13 | 2010-08-26 | Mitsubishi Electric Corp | 組合せ最適解を求めるデータ処理方法およびデータ処理装置 |
CN112262397A (zh) * | 2018-06-05 | 2021-01-22 | 三菱电机株式会社 | 最优化系统和最优化方法 |
CN112262397B (zh) * | 2018-06-05 | 2024-03-26 | 三菱电机株式会社 | 最优化系统、最优化方法、控制电路和程序存储介质 |
CN109696901A (zh) * | 2018-11-30 | 2019-04-30 | 红云红河烟草(集团)有限责任公司 | 一种卷接包设备运行状态评价及预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Differential evolution strategy for constrained global optimization and application to practical engineering problems | |
Lokman et al. | Finding all nondominated points of multi-objective integer programs | |
JP2013513261A5 (ja) | ||
RU2011131824A (ru) | Поиск интра-режима для кодирования видеоинформации | |
JP2009265867A (ja) | 組合せ最適解演算装置 | |
JP2010250599A (ja) | 組合せ最適解を求めるデータ処理方法およびデータ処理装置 | |
JP2019046031A (ja) | 最適解探索方法、最適解探索プログラム及び最適解探索装置 | |
JP2006195530A (ja) | 組合せ最適解演算システム | |
JP2010186425A (ja) | 組合せ最適解を求めるデータ処理方法およびデータ処理装置 | |
Castelli et al. | A hybrid genetic algorithm for the repetition free longest common subsequence problem | |
Bradstreet et al. | Maximising hypervolume for selection in multi-objective evolutionary algorithms | |
Jiang et al. | Adversarial differential evolution for multimodal optimization problems | |
WO2019181313A1 (ja) | 組み合わせ探索システム、情報処理装置、方法およびプログラム | |
Bouneffouf | Finite-time analysis of the multi-armed bandit problem with known trend | |
JP6052043B2 (ja) | 消費電力予測プログラム、消費電力予測方法及び消費電力予測装置 | |
Eslami et al. | Firefly algorithm and pattern search hybridized for global optimization | |
KR20110113031A (ko) | 베이스 노드의 이동성이 높은 센서 네트워크에서의 신장 트리 기반 라우팅 방법 | |
Günther et al. | Structure optimisation by thermal cycling for the hydrophobic-polar lattice model of protein folding | |
Vianna et al. | Troubleshooting optimization using multi-start simulated annealing | |
JP2013012185A (ja) | ロバスト最適化装置、ロバスト最適化方法およびそのコンピュータ・プログラム | |
JP2006040220A (ja) | 最適値探索方法及びシステム | |
Santana et al. | Customized selection in estimation of distribution algorithms | |
Lim et al. | A fast algorithm for bandwidth minimization | |
Xie et al. | A local Monte Carlo tree search approach in deterministic planning | |
Inoue et al. | Technique of augmenting molecular graph data by perturbating hidden features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120124 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120612 |