AAAI Classic paper 人工知能技術の温故知新

人工知能技術　セマンティックウェブ技術　知識情報処理技術  推論技術  デジタルトランスフォーメーション技術 　機械学習技術   AI学会論文

人工知能技術に関する世界トップトラスの学会であるAAAI(Association for the Advancement of Artificial Intelligence)で選ばれた30件の過去の優秀論文AAAI Classic Paperに関して、Abstractの日本語訳を掲載する。近年主流である機械学習系ではない論文となり、それらと組み合わせた新しいアイデアを得る上でも一読の価値はあると思う。

1.Automatically Constructing a Dictionary for Information Extraction Tasks

Abstract:知識ベースのNLPシステムは、ある種のタスクでは成功を収めているが、ドメイン固有の辞書に依存しており、膨大な量の知識エンジニアリングを必要とするため、十中八九批判されている。知識ベースのNLPシステムは、このようなボトルネックがあるため、実際のアプリケーションでは、簡単にスケールアップしたり、新しいドメインに移植することができません。この問題に対処するために、私たちは、テキストから情報を抽出するための概念のドメイン固有の辞書を自動的に構築するAutoSlogというシステムを開発しました。AutoSlogを使用して、テロリストのイベント記述のドメインのための辞書を、わずか5人時間で構築しました。そして、AutoSlog辞書と、2人の熟練した大学院生が約1500人時間をかけて作成した手作りの辞書を比較しました。この2つの辞書を、それぞれ100のテキストからなる2つのブラインドテストセットを使って評価しました。全体として、AutoSlog辞書は、手作業で作成された辞書の98%の性能を達成しました。最初のテストセットでは、Auto-Slog辞書は、手作業で作成した辞書の96.3%の性能を達成しました。2回目のテストセットでは、AutoSlog辞書がハンドクラフト辞書の99.7%の性能を達成し、すべてのスコアは実質的に区別されませんでした。

2. A filtering algorithm for constraints of difference in CSPs

Abstract:多くの(CSP)には、alld-ifferentな制約と似たような制約があります。このような制約を「差分制約」と呼びます。これらの制約は、変数のサブセット上で、同じタプルの中で発生する値がすべて異なるタプルのセットによって定義される。本論文では，これらの制約に対する新しいフィルタリングアルゴリズムを紹介する．このアルゴリズムは、これらの非二値制約に対して、一般化されたアーク・コンシステンシー条件を達成する。このアルゴリズムは、マッチング理論に基づいており、その複雑さは低い。実際、最大dのカーディナリティのドメインを持つp個の変数のサブセット上で定義された制約に対して、その空間的な複雑さはOCpd）、時間的な複雑さはO（p2d2）である。このフィルタリングアルゴリズムは、RESYN (Vismara et al. 1992)というシステムで、サブグラフ同型問題の解決に成功しています。

3. A Logic of Implicit and Explicit Belief

Abstract:私たちは、知識表現の基礎理論を理解するための進行中のプロジェクトの一環として、Hintikkaによって始められた通常の可能世界の形式化ではなく、知識表現システムのより適切な基礎を形成する一種の信念を特徴づけることを試みています。この論文では、現在の知識と信念の意味論的な取り扱い（再構成された構文的なアプローチを含む）の欠陥を指摘し、これらの欠点を回避し、計算上もより実行可能な論理の形での新しい分析を提案します。

4. A New Mrthod for Solving Hard Satisfiability Problems

Abstract:本論文では、命題充足可能性問題を解くための貪欲局所探索法GSATを紹介する。実験の結果、GSATは、Davis-Putnam法や解決法などの伝統的な手法で扱える問題よりも一桁大きい、ランダムに生成された難しい問題を解くことができることがわかった。また、GSATは構造化された充足可能性問題を高速に解くことができることを示します。特に、グラフ彩色問題のエンコーディング、N-queens、ブール帰納法などを解くことができます。さらに、GSATの一般的な応用戦略とその限界についても議論します。
GSATは、モデル探索手順と見なすのが最適です。GSATの優れた性能は、従来定理証明問題とみなされていた推論タスクをモデル探索タスクとして再構成することが有益であることを示唆しています。

5. A Robust, Qualitative Method for Robot Spatial Learning

Abstract:本研究では、移動ロボットが未知の環境を探索して地図を学習する際に、実世界で起こりうる様々なエラーに直面してもロバストに対応できる定性的な手法を提案する。従来の手法では、環境を主に幾何学的な情報で表現していたが、本手法では、移動のための手続き的な知識、環境の構造を表す位相的なモードI、幾何学的な精度を表す幾何学的な情報を別々に表現している。地形モデルは、特徴的な場所と、近くの特徴的な場所を結ぶローカルな移動エッジから構成されている。特徴的な場所とは、すぐ近くにある特徴的な場所の尺度の局所的な最大値として定義され、丘登り検索によって見つけられるものである。ローカル・トラベル・エッジは、移動に必要なローカルな制御戦略の観点から定義される。どのように特徴的な場所を見つけ、どのようにエッジをたどるかは、ロボットが探索段階で動的に学習し、ナビゲーション段階でロボットを導く手続き的な知識である。正確なトポロジーモデルは、場所とエッジを結びつけることで作成され、メタリックな情報を蓄積することができ、メタリックなエラーに対する脆弱性を低減することができる。本研究では、レンジセンサを搭載したロボットNXが様々な2次元環境を探索するシミュレーションを行い、ランダムなセンサ誤差のレベルを変化させた場合の成功例を紹介する。

6. A Theory of Action for MultiAgent Planning

Abstract:マルチエージェントや動的に変化する環境下でのイベントを推論するのに適した行動理論が事前に構築されている。アクションを実行する際のエージェントの観測可能な行動を表現するために、プロセスモデルと呼ばれる装置が用いられる。このモデルは、これまでのアクションモデルよりも一般的であり、シーケンス、選択、非決定性、反復、並列を表現することができる。このモデルを用いて、計画の合成や並行性の再検討が可能であることを示す。特に、並行動作が相互干渉を受けないかどうかを判断するための条件が提示されている。また、この理論は、自然言語とプログラミング言語の両方において、行動文を理解し、推論するための基礎となることを示している。

7. A Variational Approach to Edge Detection

Abstract:画像の中に含まれているdztc~ctin~ iri:,c:il::ity c!~arlgesのprobIc:rnは正統的なものである。また、出力信号対雑音比や帯域幅などの他の基準についても議論されている。この論文では、エッジ検出基準を策定する試みについて述べています。
この論文では，検出器の望ましい特性をできるだけ直接的に捉えたエッジ検出基準を策定する試みについて述べる．変分法を用いて、すべての可能な関数の空間上で2つの解を求めます。第一の基準は、検出器がエラーの確率を低くすることです。第2の基準は、マークされた点が真のエッジの中心にできるだけ近いことです。3つ目の基準は、1つのエッジに対して複数の回答が得られる可能性が低いことです。3つ目の基準は新しいもので、最初の2つの基準を用いて設計したオペレータに過剰な複数の応答があることが判明したときに必要になったとされています。ここで検討するエッジモデルは、ホワイトガウスノイズの中の2つのワンドルメンショナルステップエッジですが、同じ手法を拡張インパルスやリッジプロファイルにも適用しています。その結果、ガウスの一次導関数を近似する1次元の演算子が得られます。
ガウスの1次導関数を近似する1次元演算子です。また，2次元への拡張についても議論する．

8. Acting Optimally in Part Partially Observable Stochastic Domains

Abstract:本論文では、環境の完全なモデルが与えられた場合に、部分的に観測可能な確率環境に対する最適またはそれに近い制御戦略を見つけるための”マルコフ決定過程(MDP)の概要とアルゴリズム及び実装例について“で述べているマルコフ決定過程（POMDP）アプローチについて説明する。POMDPアプローチは、もともとオペレーション・リサーチ・コミュニティで開発されたものであり、AIコミュニティで関心を持たれている計画問題の正式な基礎を提供するものである。
POMDPアプローチは、もともとオペレーションリサーチの分野で開発されたもので、AIの分野でも関心の高い計画問題の形式的な基礎を提供します。我々は、最適な制御戦略を計算するための既存のアルゴリズムは、非常に計算効率が悪いことを発見し、経験的に効率の良い新しいアルゴリズムを開発した。このアルゴリズムの概要を説明し、POMDPアプローチの重要な特性を示すいくつかの小さな問題での予備的な結果を示す。

9. Arc-Consistency and Arc-Consistency Again

Abstract:制約条件ネットワークは などの問題を定式化するのに有効な方法です。デザイン、シーンのラベリング、時間推論など近年では自然言語の解析も行っている。
制約ネットワークにおける解の存在問題はNP完全である。
それゆえ、解を探索する前、あるいは探索中に制約ネットワークを単純化する一貫性技法が広く研究されてきた。その中で最も利用されているのが円弧整合性である。
MohrとHendersonは、最適な最悪の場合の時間複雑性を持つアルゴリズムAC-4を提案した。
しかし，AC-4は空間の複雑さと平均時間の複雑さという2つの欠点がある．
解の数が多い問題では 制約のサイズが大きい場合、これらの欠点は非常に重要であり、ユーザはしばしばAC-4をAC-3 [Mac&Fre85]という非最適アルゴリズムに置き換える。
本論文では、AC-4の最適な最悪ケース時間計算量を維持しつつ、空間計算量の欠点を解消した新しいアルゴリズムAC-6を提案する。さらに、AC-6の平均時間複雑度は、制約のセマンティックについて何も知られていない制約ネットワークに対して最適である。
本論文の最後に、AC-6がAC-3やAC-4よりどれだけ優れているかを実験結果で示す。

10. Bayesian Classification

Abstract:本論文では、教師なしベイズ法について説明する。
データ分類とそのコンピュータ実装であるAutoClass。実数値データまたは離散データが与えられたとき、AutoClassは、データに存在するクラスの最も可能性の高い数、その記述の最も可能性の高いものを決定する。そのクラスと、各オブジェクトが各クラスに属する確率を算出する。このプログラムは、同じデータに対して実行した場合、他の自動分類システムと同等かそれ以上の性能を示し、アドホックな類似度測定や停止基準を含んでいない。AutoClassは、いくつかのデータベースに適用され、これまで疑われなかった現象を表すクラスを発見した。

11. Boosting Combinatorial Search Through Randomization

Abstract: 完全探索手法の実行時間の予測不可能性は、しばしば「重い尾を引くコスト分布」という現象で説明できる。つまり、実験中のどの時点でも、それまでに遭遇した問題よりも指数関数的に多くの時間を必要とする問題に遭遇する可能性が無視できないことを意味する(Gomes et al. 1998a)．我々は、完全探索アルゴリズムに制御されたランダム化を導入するための一般的な方法を提示する。
ブーストされた探索法は、中央値より右側のヘビーテールを証明的に除去することができる。さらに また、中央値より左側の重い尾を利用して、解答時間を劇的に短縮することができる（つまり、非常に短い実行時間が無視できない確率となる）。我々は、現実の難しい問題において、最新の完全探索手法で数桁のスピードアップを実証した。

12 Default Reasoning, Nonmonotonic Logics, and the Frame Problem

Abstract 古典的な一階論理の拡張として、非単調型形式システムが提案されている。ヒューマンデフォルト推論 “や “もっともらしい推論 “のプロセスを捕捉する
モデュス・ポネーナが演繹的推論をモデル化したように、推論メカニズムによって しかし、これらの論理の技術的特性は詳細に研究され、人間の既定推論の例も多く確認されている。これらの論理が期待される結果をもたらすかどうかについては、ほとんどの場合、実際の問題に適用されていない。 我々は、デフォルト推論のケースとして長い間認識されてきた時間推論における単純な問題に対する公理を提供する。したがって、非単調論理で表現することが可能である。その結果得られた非単調性理論を検証する。しかし、その論理で許される推論は、公理を書いたときに想定していたものとは異なり、むしろずっと弱いものであることがわかった。この問題は、使用する論理に依存せず、また、特定の時間表現に依存しないことが示された。この失敗を分析した結果、我々が検討した非単調論理は本質的にこの種のデフォルト推論を表現することができないことが分かった。最後に、この問題を解決するための2つの最近の提案について述べる。

13 Estimating the Absolute Position of a Mobile Robot Using Position Probability Grids

Abstract 既存の環境モデルを再利用するために、モバイルロボットは、そのようなモデルの中で自分の位置と向きを推定できなければならない。既存の位置推定手法の多くは、特殊なセンサーに基づくか、既知の出発点に対するロボットの相対的な位置の追跡を目的としたものである。本論文では、環境のメトリックモデルにおけるロボットの絶対位置と方向性を推定するための位置確率グリッドアプローチについて述べる。本手法は標準的なセンサーで動作するように設計されており、出発点に関するいかなる知識にも依存しない。これは確実性グリッドに基づくベイズ的アプローチである。このようなグリッドの各セルに、このセルがロボットの現在の位置を指している確率を格納する。これらの確率は、センサーの読み取りの尤度を経時的に積分することによって得られる。本論文の結果から、本技術は複雑な環境下でもロボットの位置を確実に推定できることが示された。また、本アプローチは不正確な環境下での位置推定に対してロバストであることが証明されている。

14 Hard and Easy Distribution of SAT Problems

Abstract 他の人が観察しているように、ランダムな数式の充足可能性のテストは意外と簡単に見えることが多い。ここでは、適切なインスタンス分布と適切なパラメータ値を用いることで、困難な、つまり、充足可能性検証が非常に困難なランダム式を生成することが可能であることを示す。この結果は、満足度テスト手法の評価のためのベンチマークを提供するものである。

15 Learning to Coordinate Behaviors

Abstract 行動ベースロボットが、正負のフィードバックに基づいて、いつ行動を起動するかを学習するアルゴリズムについて説明する。行動ベースロボットの哲学に従い、このアルゴリズムは完全に分散化されている。各行動は独立して、（i）関連性があるかどうか（すなわち、正のフィードバックと全く相関がないか）、（ii）信頼できる条件は何か（すなわち、その条件）を見つけ出そうとする。
その結果、肯定的なフィードバックを受ける確率を最大化し、否定的なフィードバックを受ける確率を最小化することができた。） このアルゴリズムは、6本脚の自律型ロボットを用いてテストされ、成功した。

16 Learning-Interface Agents

Abstract インターフェースエージェントは、特定のコンピュータアプリケーションを扱うユーザーを支援するために、人工知能の技術を採用したコンピュータプログラムである。この論文では、パーソナルアシスタントのメタファーに近いモデルであるインターフェイスエージェントについて論じる。このエージェントは、以下のことを学習する。
(i)ユーザの行動を観察し、それを模倣する、(ii)間違った行動をとったときにユーザからフィードバックを受ける、(iii)仮想的な例に基づいてユーザからトレーニングを受ける、ことによってユーザのアシストを行う方法について述べる。本論文では、この学習エージェントが、記憶ベース学習と強化学習の技術を利用してどのように実装されたかを論じる。また、これらの手法で作成した2つのプロトタイプエージェント（会議スケジュール管理アプリケーションと電子メールアプリケーション）の実際の結果を示す。この論文では、機械学習によるインタフェースエージェントの構築は、他のアプローチに比べていくつかの利点があり、実現可能なアプローチであることを論じている：カスタマイズされた適応的なソリューションを提供し、より低コストで、より良いユーザ受容性を保証する。また、この論文では、使用する特定の学習技術の利点についても論じている。

17 Pengi- lementation of a Theory of Activity

Abstract AIは一般に、日常的な活動の組織性を、計画に従うという観点から解釈してきた。人がしばしば計画を立て、それに従うことに疑いの余地はないだろう。しかし、現実世界の複雑さ、不確実性、即時性から、瞬間瞬間の即興が中心的な役割を果たすことが必要である。しかし、人は計画を立てる前に、また計画の下に、今何をすべきかを絶えず決定しているのである。日常的なルーティンワークのダイナミクスを調査した結果、非常に単純な機械とその環境との相互作用に重要な規則性があることがわかった。私たちは、この動的な理論を用いてプログラムを設計しました。Pengiは、複雑で一見計画的な活動を行うことができます。世界の明示的なモデルを必要としない

18 Pushing the Envelope-Planning, Propositional Logic, and Stochastic Search

Abstract プランニングは有名な難解な組合せ探索問題である。一般的な確率的探索アルゴリズムと命題論理に基づく適切な問題エンコーディングを組み合わせることで、難しい計画問題を現在の最良の計画システムの何倍もの速さで解くことができるようになった。確率的手法は様々なスケジューリング問題で有効であることが示されているが、真に困難な古典的計画問題でその威力を発揮したのはこれが初めてである。この研究はまた、新しい 計画における表現上の問題に対する視点を提供する

19 Quantifying the inductive bias in concept learning

Abstract 帰納的概念学習におけるバイアスの概念は、学習性能に直接関係する形で修飾できることを示し、バイアスの定量的理論が 効果的な学習アルゴリズムの設計に貢献する。 この考え方を応用して、一般的な言語 接続概念への制限を含む と内部離接を伴う接続概念である。

20 REACTIVE REASONING AND PLANNING

Abstract このロボットを制御する推論システムは、合理的なエージェントに期待される行動を示すように設計されており、信念、欲求、意図という心理的態度を備えている。これらの態度は明示的に表現されるため、操作や再選択が可能であり、その結果、複雑な目標指向的行動や反省的行動を実現することができる。一般的な計画システムとは異なり、ロボットが形成する計画や意図は、行動を決定する前に部分的に練り上げるだけで十分である。これにより、ロボットは過度な 環境に対する強い期待や、過度に制約された行動計画など、従来のプランナーにありがちな過剰なコミットメントがない。さらに ロボットは継続的に再活性化され、状況に応じて目標や意図を変更する能力を備えています。このシステムは、SRIの自律型ロボット（Flakey）を用いて、宇宙ステーションのシナリオでテストされています。

21 Real-Time Heuristic Search- First Results

Abstract 既存のヒューリスティック探索アルゴリズムは、全体の解が見つかる前に手を確定できないため、リアルタイムアプリケーションに適用できない。我々は、この問題を扱うためのミニマックスルックアヘッド探索の特殊なケースと、アルゴリズムの効率を大幅に向上させるアルファベータプルーニングのアナログを提示する。さらに、実時間A*と呼ばれる新しいアルゴリズムは、シミュレーションだけでなく、実際に行動を実行する必要がある場合の検索に使用される。最後に、計算と実行のトレードオフの性質について検討する。

22 REVEREND BAYES ON INFERENCE ENGINES- A DISTRIBUTED HIERARCHICAL APPROACH

Abstract 本論文では、ベイズ尤度比アップグレードルールの一般化を行い、階層化された推論構造において、新しい信念や新しい証拠の影響を非同期的に伝播させることを可能にする。提案する計算スキームは、更新された信念の普及が1パスで達成されることを保証する信念パラメータ、通信メッセージ、更新規則のセットを指定し、ベイズの計算を行う。

23 Skyskill & Webert- Identifying I teresting web sites

Abstract 本論文では、ページ評価を学習するソフトウェアエージェントであるSyskill & Webertについて述べる。World Wide Web (WWW)は、ユーザが興味を持ちそうなページを判断するものである。Syskill & Webertは、探索されたページを3点満点で評価し、学習します。各ページの情報を分析し、ユーザープロファイルを作成します。ユーザープロファイルは 2つの方法で利用できます。1つ目は、ユーザーに対して、どのリンクが最適かを提案することです。を探索することに興味がある。次に、LYCOSのクエリをを作成し、ユーザーが興味を持ちそうなページを探すことができる。6種類のアルゴリズムを比較
このタスクは、機械学習と情報検索から構成されている。その結果 ナイーブベイズ分類器は、他の学習器と比較していくつかの利点がある。さらに、ウェブの初期部分について ページの面白さを予測するのに十分である。予測に必要なネットワーク通信量を削減することができます。

24 Statistical Parsing with a Context-free Grammar and Word Statistics

Abstract 本稿では、英語の言語モデルに基づいて構文解析を行うシステムについて述べる。このモデルは、最も高い確率を持つ文の構文を見つけることによって構文解析システムで利用される。本システムは、従来の方式を凌駕するものである。本論文は、詳細な比較を行うのに十分なほど類似しているが、異なるレベルの性能を持つ、異なる著者によるパーサーのシリーズの3つ目である。

25 Stolving Large-Scale Constraint Satisfaction an. Scheduling Problems Using Heuristic Repair Method

Abstract 本論文では、大規模な制約充足問題やスケジューリング問題を解くための簡単なヒューリスティック手法を説明する。問題中の変数に対する初期割り当てが与えられると、この方法は可能な修復の空間を探索することによって動作する。この探索は、秩序ヒューリスティックであるmin-conflictsヒューリスティックによって導かれる。これは、各ステップの後に制約違反の数を最小にしようとするものである。本手法は、各ステップにおける制約違反の数を最小にすることを試みる。標準的な問題では、従来のバックトラック技術より優れている。例えば 例えば、100万匹の女王問題は、我々の方法で高速に解くことができます。アプローチです。また、本手法が適用された実用的なスケジューリングアプリケーションを適用し、成功した。理論的な分析により なぜこの方法がある種の問題でうまく機能するのか、また、どのような場合にこの方法 が最も効果的である可能性が高い。

26 Systematic Nonlinear Planning

Abstract 本論文では、ドメインに依存しないSTRIPS計画のための、シンプルで健全、かつ完全で系統的なアルゴリズムを紹介する。
グランドプロシージャに、一般的で独立に検証可能なリフティング変換を適用する。これまでのプランナーは、直接リフティングされた手続きとして設計されてきた。我々の基底手続きは、TateのNONLIN手続きの基底バージョンである。Tateの手続きでは、未完成のプランナーのステップの前提条件が、全ての線形化において成立することが保証されているかどうかを判断する必要はない。このため、Tateの手続きでは、Chapmanの様相真理判定基準の使用を避けることができる。系統性とは、同じ計画や部分計画が2回以上検討されることがないという性質である。系統性はTateの手順の簡単な修正によって達成されるという手順で行う。

27 The Interactive Museum Tour-Guide Robot

Abstract 本論文では、auの自律型無線通信システムのソフトウェア・アーキテクチャについて述べる。ガイド兼チューターロボット。このロボットは、最近「Deutsches ボン美術館では、数百人の来館者に館内を案内しました。6日間にわたって展開されました。このロボットの制御ソフトは低レベルの確率的推論と、高レベルの問題解決に組み込まれた 一次論理 本書で紹介する革新的なソフトウエアの数々。この論文では、密集した群衆の中を高速で移動することを可能にしました。障害物との衝突を回避することができます。
また、この論文で紹介したユーザーインターフェースは このロボットの成功には、専門家でないユーザーを対象とすることが不可欠でした。博物館 これらの経験をもとに、本論文では、次のことを主張する。AIを活用した商業用サービスロボットを開発し、人々の生活を支援する。

28 The Logic of Representing Dependencies by Directed Graphs

Abstract xは、我々がすでに持っているyについてより多くのことを教えてくれる」というタイプのデータ依存性 z を知っている” は、様々な形式で表現することができる。確率的依存関係。埋め込み型多値依存関係、無向グラフ、有向無サイクルグラフなど グラフ(DAG)である。本論文は、半グラフと呼ばれる公理的基礎を提供するものである。4種類の依存関係に共通する構造をとらえ、かつ DAGの表現力により、様々なタイプのデータを表現することができる。の依存関係がある。DAGはより豊富な依存関係を表現できることが示されている。DAGは無向グラフよりも完全にクロージャを表現することができる。 仕様のベースとなり、効果的な計算装置を提供します。
そのクロージャーのメンバーシップをテストし、また新しい依存関係を推論する。与えられた入力に対して これらの特性は、因果推論やセマンティックネットにおいてDAGが広く用いられていることを端的に表していると思われる。

29 The Tractability of Subsumption in Frame-Based Description Languages

Abstract 知識表現システムは、知識ベースシステムの他の部分に対して、重要なサービスを提供する。知識ベースシステムは、その動作（すなわち、診断、計画、その他）の中で、これらの推論に依存するため、その計算量を実現することが重要である。ここでは、ある種の推論の計算コストが表現言語の表現力にどのように直接関係するかを示す証拠を示す。その結果、このコストは表現言語のわずかな変更に非常に敏感であることが判明した。一見単純なフレームベースの記述言語であっても、計算上困難な障害をもたらすことがある。

30 Using CSP Look-Back Techniques to Solve Real-World SAT Instances

Abstract:我々は、”Davis-Putnam “の拡張版の性能について報告する。 命題充足可能性(SAT)のDP(Proof Procedure)証明手続きは、大規模インスタンスに対して 計画、スケジューリング、回路などの実世界の問題から導き出された 診断と合成を行う。その結果、CSPルックバックの技術、特に比較的新しい技術である関連性-境界型の技術となる。学習により、DPでは解決できない多くの問題を容易に解決することができる。到達する。DPは体系的なアルゴリズムであるため、しばしば、DPと同等以上の性能を発揮する。GSATやWSATのような確率的SATアルゴリズムよりも優れています。我々は このような技術は、実装のオプションとして含めることをお勧めします。より一般的なアルゴリズムと同様に、DPの 制約充足問題