JP6751376B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6751376B2 JP6751376B2 JP2017166769A JP2017166769A JP6751376B2 JP 6751376 B2 JP6751376 B2 JP 6751376B2 JP 2017166769 A JP2017166769 A JP 2017166769A JP 2017166769 A JP2017166769 A JP 2017166769A JP 6751376 B2 JP6751376 B2 JP 6751376B2
- Authority
- JP
- Japan
- Prior art keywords
- solution
- solution candidate
- evaluation value
- candidate
- search
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 160
- 238000011156 evaluation Methods 0.000 claims description 283
- 238000005457 optimization Methods 0.000 claims description 45
- 108090000623 proteins and genes Proteins 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 7
- 229920002477 rna polymer Polymers 0.000 description 29
- 239000011159 matrix material Substances 0.000 description 27
- 238000010586 diagram Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 20
- 238000013138 pruning Methods 0.000 description 14
- 238000007476 Maximum Likelihood Methods 0.000 description 10
- 230000001105 regulatory effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000007876 drug discovery Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000020509 sex determination Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
組合せ最適化問題における解を探索する方法として、創薬分野に応用可能な遺伝子制御ネットワークを例に説明する。遺伝子制御ネットワークとは、遺伝子間の協調関係を有向グラフとして表現することで、例えば薬剤の作用機序などを読み解くための応用などが期待されている。
[装置構成]
図4は本発明に係る最適解探索装置のハードウェア構成を示すブロック図である。
図5は、図4に示した最適解探索装置10のCPU12の機能を示す機能ブロック図である。
次に、ZDD及びフロンティア法について具体的に説明する。
ここで、例えば、(A⇔B⇒C)のパスに対応する解候補は、図14の左側の太線の矢印で示した経路で表される。
(ア) G_x=GN_bestになる(解が更新されなくなる)
(イ) S(GN_best)-S(G_x)<△Sになる(評価値の改善度合いが小さくなる)
(ウ) 繰り返し回数が一定回数に達する
制御部110は、解候補取得部100、列挙索引化部102、解候補抽出部104、評価値付与部106、及び探索終了判断部108の各処理部を統括制御する部分であり、探索終了判断部108が探索終了と判断しない場合は、現在の第1の解候補G_xを、第2の解候補GN_bestに更新する(G_x=GN_best)。解候補取得部100は、更新された新たな第1の解候補G_x、及びその評価値S(G_x)(=S(GN_best))を取得する。
一様抽出された第2の解候補Gの中で、最大の評価値S(GN_best)が付与された最良の第2の解候補Gを、第2の解候補GN_bestとして抽出することができるが、第2の解候補GN_bestが、現在の第1の解候補G_xから乖離度N以下に収まる、二分決定グラフとして列挙索引化された解候補群GN_setの中で、RNA発現行列データDに対して真に最も適合しているかどうかを判断できないという問題がある。そのため、多額のコストを要する介入実験に踏み込むためには、例えば第1の解候補G_xをバイオロジストが精査して妥当性を判断するなどの属人的で不確実な工程を要していた。
具体的には、U,Vをそれぞれ自然数とすると、U×V個の第2の解候補Gを一様抽出し、各々の第2の解候補Gに評価値Sを与える。ここで、Uはブロックサイズであり、Vはブロック個数である。U、Vは、ある大きな数として設定する。例えばU、Vともに10,000に設定しても良く、この場合、一様抽出される第2の解候補Gの個数は、1億個(=10,000×10,000)となる。
第2の最大評価値Wの推定は、第1の解候補G_xからの乖離度Nが、第1の範囲(乖離度N1)以内であって、第2の範囲(乖離度N2)以外の部分空間上の第2の解候補Gにそれぞれ対応する評価値Sを付与し、付与した評価値Sに基づいて、第2の解候補Gの抽出個数を超える個数を想定した場合の評価値のうちの最大評価値(第2の最大評価値W)を推定する。
図18は、本発明に係る最適解探索方法の実施形態を示すフローチャートである。
次に、図18に示したステップS20での第2の解候補GN_bestの選択方法(判定方法)について説明する。
図20は、図18に示したステップS20における第2の解候補GN_bestの第1の判定方法を示すフローチャートである。
図22は、図18に示したステップS20における第2の解候補GN_bestの第2の判定方法を示すフローチャートであり、特に図18に示したステップS22において、最適解の探索が終了したと判断された後(即ち、最適十分性判定に成功した後)に行われる最適必要性判定の処理に関して示している。
第2の解候補GN_bestの第2の判定方法の変形例は、図22に示した第2の解候補GN_bestの第2の判定方法において、第2の解候補GN_bestの最適必要性判定に失敗した場合の処理を含む。
本実施形態の最適解探索装置10は、例示に過ぎず、他の構成に対しても本発明を適用することが可能である。各機能構成は、任意のハードウェア、ソフトウェア、或いは両者の組合せによって適宜実現可能である。例えば、上述の最適解探索装置10の各部における処理をコンピュータに実行させる最適解探索プログラム、そのような最適解探索プログラムを記録したコンピュータ読み取り可能な記録媒体(非一時的記録媒体)に対しても、本発明を適用することが可能である。
12 CPU
14 主メモリ
16 グラフィックボード
18 通信インターフェース
20 ハードディスク装置
22 光学ディスクドライブ
24 キーボードコントローラ
26 マウスコントローラ
28 モニタ装置
30 キーボード
32 マウス
40 データベース
50 ネットワーク
100 解候補取得部
102 列挙索引化部
104 解候補抽出部
106 評価値付与部
108 探索終了判断部
110 制御部
Z 第1の最大評価値
W 第2の最大評価値
Claims (16)
- 組合せ最適化問題における最適解をコンピュータにより探索する最適解探索方法であって、
前記組合せ最適化問題の解空間に属する解のうち少なくとも1つの解を第1の解候補として取得する第1のステップと、
前記第1の解候補に評価値を付与する第2のステップと、
前記第1の解候補からの乖離度が第1の範囲以下に収まる解候補群を二分決定グラフとして列挙索引化する第3のステップであって、前記二分決定グラフは、前記組合せ最適化問題における組合せ可能なパターンのうち、組合せの一部により残りの組合せを考慮せずとも不適となることが確定するかどうかを識別することで、識別すべきパターンを削減するステップ、及び前記組合せ可能なパターンのうち、組合せの一部だけに差分があるパターン群の共通部分を抽出し、残りの組合せを共有することで、識別すべきパターンを削減するステップのうちの少なくとも一方を用いて、前記組合せ可能パターンを縮約して列挙索引化するデータ構造を有する、前記第3のステップと、
前記列挙索引化された解候補群から前記解候補群の一部又は全部を第2の解候補として一様抽出する第4のステップと、
抽出した前記第2の解候補に評価値を付与する第5のステップと、
前記第1の解候補の評価値及び前記第2の解候補の評価値の1つ以上の評価値に基づいて第1の最適解の探索の終了の是非を判断する第6のステップと、を含み、
前記第1の最適解の探索が終了していないと判断された場合は、前記第2の解候補の中から選択された1つ以上の解候補であって、前記第1の解候補と異なる解候補を前記第1の解候補として更新し、前記第3のステップから前記第6のステップの処理を繰り返し、
前記第1の最適解の探索が終了したと判断された場合は、前記終了と判断された評価値が付与された前記第1の解候補を、前記第1の最適解として出力する、最適解探索方法。 - 1つ以上の解候補の制約条件を受け付ける第7のステップを含み、
前記第3のステップは、前記第1の解候補からの乖離度が前記第1の範囲以下に収まり、かつ前記制約条件を満たす前記解候補群を二分決定グラフとして列挙索引化する、
請求項1に記載の最適解探索方法。 - 前記第1の範囲の乖離度は、1以上前記二分決定グラフとして列挙索引化が可能な最大の乖離度以下である請求項1又は2に記載の最適解探索方法。
- 前記第1の範囲の乖離度は、一定値又は前記第1の解候補が更新される毎に変化する値である請求項3に記載の最適解探索方法。
- 前記第6のステップは、前記第1の解候補の評価値が全ての前記第2の解候補の評価値以上の場合、前記第2の解候補と前記第1の解候補との差が規定値以下の場合、又は前記第3のステップから前記第6のステップの処理の繰り返し回数が一定回数に達する場合を、前記第1の最適解の探索の終了と判断する、
請求項1から4のいずれか1項に記載の最適解探索方法。 - 前記第1の解候補として更新される前記第1の解候補と異なる解候補は、前記第2の解候補の中で最大の評価値が付与された第2の解候補である、請求項1から5のいずれか1項に記載の最適解探索方法。
- 前記第6のステップは、
前記第5のステップで付与した前記第2の解候補の評価値に基づいて、前記第2の解候補の個数を超える個数の解を想定した場合の最大の評価値を、第1の最大評価値として推定する第8のステップと、
前記第2の解候補の評価値が前記第1の最大評価値の信頼区間内に入るか否かを判定する第9のステップと、を含み、
前記第1の解候補の評価値及び前記第1の最大評価値の信頼区間内に入ると判定された前記第2の解候補の評価値に基づいて前記第1の最適解の探索の終了の是非を判断する、
請求項1から6のいずれか1項に記載の最適解探索方法。 - 前記一様抽出される前記第2の解候補は、U,Vをそれぞれ自然数とすると、U×V個の解であり、
前記第8のステップは、前記U×V個の解をV個のブロックに分け、前記ブロック毎にU個の解の評価値の区分最大値をV個取得し、前記V個の区分最大値を用いて、前記区分最大値が一般極値分布に従うものとして前記第1の最大評価値を推定する、
請求項7に記載の最適解探索方法。 - 演算コストは小さいが解の精度が低い第1の探索法と、前記第1の探索法よりも演算コストは大きいが解の精度が高い第2の探索法とを有し、
前記第3のステップは、最初に前記第1の探索法により探索された解を前記解候補群として列挙索引化し、前記第2の解候補の評価値が前記第1の最大評価値の信頼区間内に入らない場合のみ、前記第2の探索法により探索された解を前記解候補群として列挙索引化する、
請求項7又は8に記載の最適解探索方法。 - 前記第1の解候補からの乖離度が第1の範囲以下に収まる解候補群に含まれる第2の解候補群であって、前記第1の最大評価値の信頼区間内に評価値が入ると判定された前記第2の解候補からの乖離度が、前記第1の範囲よりも狭い第2の範囲外の前記第2の解候補群を二分決定グラフとして列挙索引化する第10のステップであって、前記二分決定グラフは、前記組合せ最適化問題における組合せ可能なパターンのうち、組合せの一部により残りの組合せを考慮せずとも不適となることが確定するかどうかを識別することで、識別すべきパターンを削減するステップ、及び前記組合せ可能なパターンのうち、組合せの一部だけに差分があるパターン群の共通部分を抽出し、残りの組合せを共有することで、識別すべきパターンを削減するステップのうちの少なくとも一方を用いて、前記組合せ可能パターンを縮約して列挙索引化するデータ構造を有する、前記第10のステップと、
前記列挙索引化された第2の解候補群から前記第2の解候補群の一部又は全部を第3の解候補として一様抽出する第11のステップと、
抽出した前記第3の解候補に評価値を付与する第12のステップと、
前記第12のステップで付与した前記第3の解候補の評価値に基づいて、前記第3の解候補の個数を超える個数の解を想定した場合の最大の評価値を、第2の最大評価値として推定する第13のステップと、
前記第1の最大評価値の信頼区間内に入った前記第2の解候補の評価値が、前記第2の最大評価値を超えているか否かを判定する第14のステップと、
を含む請求項7から9のいずれか1項に記載の最適解探索方法。 - 前記一様抽出される前記第3の解候補は、P,Qをそれぞれ自然数とすると、P×Q個の解であり、
前記第13のステップは、前記P×Q個の解をQ個のブロックに分け、前記ブロック毎のP個の解の評価値の区分最大値をQ個取得し、前記Q個の区分最大値を用いて、前記区分最大値が一般極値分布に従うものとして前記第2の最大評価値を推定する、
請求項10に記載の最適解探索方法。 - 前記第14のステップにより前記第1の最大評価値の信頼区間内に入った前記第2の解候補の評価値が、前記第2の最大評価値を超えていないと判定されると、前記第2の範囲に代えて前記第2の範囲を拡大した第3の範囲を適用して前記第10のステップから前記第14のステップの処理を行う、
請求項10又は11に記載の最適解探索方法。 - 組合せ最適化問題は、遺伝子制御ネットワークの組合せ最適化問題である請求項1から12のいずれか1項に記載の最適解探索方法。
- 請求項1から13のいずれか1項に記載の最適解探索方法をコンピュータに実行させる最適解探索プログラム。
- 組合せ最適化問題における最適解を探索する最適解探索装置であって、
前記組合せ最適化問題の解空間に属する解のうち少なくとも1つの解を第1の解候補として取得する解候補取得部と、
前記第1の解候補からの乖離度が第1の範囲以下に収まる解候補群を二分決定グラフとして列挙索引化する列挙索引化部であって、前記二分決定グラフは、前記組合せ最適化問題における組合せ可能なパターンのうち、組合せの一部により残りの組合せを考慮せずとも不適となることが確定するかどうかを識別することで、識別すべきパターンを削減するステップ、及び前記組合せ可能なパターンのうち、組合せの一部だけに差分があるパターン群の共通部分を抽出し、残りの組合せを共有することで、識別すべきパターンを削減するステップのうちの少なくとも一方を用いて、前記組合せ可能パターンを縮約して列挙索引化するデータ構造を有する、前記列挙索引化部と、
前記列挙索引化された解候補群から前記解候補群の一部又は全部を第2の解候補として一様抽出する解候補抽出部と、
前記第1の解候補及び前記第2の解候補にそれぞれ評価値を付与する評価値付与部と、
前記第1の解候補の評価値及び前記第2の解候補の評価値の1つ以上の評価値に基づいて第1の最適解の探索の終了の是非を判断する探索終了判断部と、
前記第1の最適解の探索が終了していないと判断された場合は、前記第2の解候補の中から選択された1つ以上の解候補であって、前記第1の解候補と異なる解候補を前記第1の解候補として更新し、前記解候補抽出部、前記評価値付与部及び前記探索終了判断部による処理を繰り返し実行させる制御部と、
前記第1の最適解の探索が終了したと判断された場合は、前記終了と判断された評価値が付与された前記第1の解候補を、前記第1の最適解として出力する出力部と、
を備えた最適解探索装置。 - 1つ以上の解候補の制約条件を受け付ける制約条件受付部を備え、
前記列挙索引化部は、前記第1の解候補からの乖離度が前記第1の範囲以下に収まり、かつ前記制約条件を満たす前記解候補群を二分決定グラフとして列挙索引化する、
請求項15に記載の最適解探索装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017166769A JP6751376B2 (ja) | 2017-08-31 | 2017-08-31 | 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 |
US16/054,684 US11288580B2 (en) | 2017-08-31 | 2018-08-03 | Optimal solution search method, optimal solution search program, and optimal solution search apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017166769A JP6751376B2 (ja) | 2017-08-31 | 2017-08-31 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019046031A JP2019046031A (ja) | 2019-03-22 |
JP6751376B2 true JP6751376B2 (ja) | 2020-09-02 |
Family
ID=65435286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017166769A Active JP6751376B2 (ja) | 2017-08-31 | 2017-08-31 | 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 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11288580B2 (ja) |
JP (1) | JP6751376B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7438517B2 (ja) | 2019-07-25 | 2024-02-27 | 国立大学法人 和歌山大学 | ニューラルネットワークの圧縮方法、ニューラルネットワーク圧縮装置、コンピュータプログラム、及び圧縮されたニューラルネットワークデータの製造方法 |
JP7283318B2 (ja) * | 2019-09-12 | 2023-05-30 | 富士通株式会社 | 最適化装置、最適化プログラム、及び最適化方法 |
JP2021135791A (ja) | 2020-02-27 | 2021-09-13 | 富士通株式会社 | 最適化装置、最適化方法、及び最適化プログラム |
CN112488391B (zh) * | 2020-11-30 | 2022-10-04 | 合肥工业大学 | 一种基于拉格朗日松弛的工业烟草物流调度方法 |
CN113342700B (zh) * | 2021-08-04 | 2021-11-19 | 腾讯科技(深圳)有限公司 | 一种模型评估方法、电子设备及计算机可读存储介质 |
JP2023024085A (ja) | 2021-08-06 | 2023-02-16 | 富士通株式会社 | プログラム、データ処理方法及びデータ処理装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3358780B2 (ja) * | 1996-02-02 | 2002-12-24 | 富士通株式会社 | 最適解探索装置 |
FR2850472B1 (fr) * | 2003-01-28 | 2005-05-20 | Thales Sa | Procede permettant de produire des solutions a un probleme concret d'optimisation multicritere |
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 |
US9311383B1 (en) * | 2012-01-13 | 2016-04-12 | The Nielsen Company (Us), Llc | Optimal solution identification system and method |
JP5987530B2 (ja) | 2012-07-31 | 2016-09-07 | 富士通株式会社 | 詰め込み支援プログラム,詰め込み支援装置および詰め込み支援方法 |
US9638601B2 (en) * | 2013-10-09 | 2017-05-02 | Simmonds Precision Products, Inc. | Systems and methods for determining rotary blade track and balance adjustments |
US10031887B2 (en) * | 2014-09-09 | 2018-07-24 | D-Wave Systems Inc. | Systems and methods for improving the performance of a quantum processor via reduced readouts |
US20160132637A1 (en) * | 2014-11-12 | 2016-05-12 | Case Western Reserve University | Noise model to detect copy number alterations |
US9990178B2 (en) * | 2015-05-29 | 2018-06-05 | The Boeing Company | Solving a combinatorial problem using a quality metric value of a characteristic solution thereof |
-
2017
- 2017-08-31 JP JP2017166769A patent/JP6751376B2/ja active Active
-
2018
- 2018-08-03 US US16/054,684 patent/US11288580B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11288580B2 (en) | 2022-03-29 |
JP2019046031A (ja) | 2019-03-22 |
US20190065963A1 (en) | 2019-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6751376B2 (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 | |
KR102107378B1 (ko) | 하이퍼파라미터 자동 최적화 방법 및 그 장치 | |
Ciriello et al. | AlignNemo: a local network alignment method to integrate homology and topology | |
Kamal et al. | De-Bruijn graph with MapReduce framework towards metagenomic data classification | |
US20180004751A1 (en) | Methods and apparatus for subgraph matching in big data analysis | |
Cuevas et al. | A cuckoo search algorithm for multimodal optimization | |
Lagani et al. | Structure-based variable selection for survival data | |
US11816580B2 (en) | Optimal solution determination method, optimal solution determination program, and optimal solution determination device | |
JP6325762B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Boström | Concurrent learning of large-scale random forests | |
Nirmal et al. | Issues of K means clustering while migrating to map reduce paradigm with big data: A survey | |
Wang et al. | Lnetwork: an efficient and effective method for constructing phylogenetic networks | |
Tuncay et al. | SUMONA: A supervised method for optimizing network alignment | |
de Campos Merschmann et al. | An extended local hierarchical classifier for prediction of protein and gene functions | |
CN103310128B (zh) | 考虑种子片段的长度的碱基序列处理***及方法 | |
JP6193428B1 (ja) | 特徴選択装置、特徴選択方法およびプログラム | |
Yu et al. | A new efficient algorithm for quorum planted motif search on large DNA datasets | |
US11676050B2 (en) | Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees using leaf nodes | |
Odenthal et al. | Ensemble classifiers for multiclass microRNA classification | |
US20220172115A1 (en) | Parameter tuning apparatus, parameter tuning method, computer program and recording medium | |
JP6804009B2 (ja) | 学習装置、学習方法、及び学習プログラム | |
Wróblewski et al. | SQL-based KDD with infobright’s RDBMS: attributes, reducts, trees | |
KR100898751B1 (ko) | 시드 단백질 기반 단백질 상호작용 네트워크의 시각화 방법 | |
EP4235683A1 (en) | Health improvement path search device and health improvement path search method | |
JP2020030738A (ja) | 学習データの解析方法及び計算機システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190904 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200714 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200722 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200814 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6751376 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |