基于深度学习与概率推理的SAT随机局部搜索
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-15页 |
| 1.1. 研究背景与意义 | 第9-10页 |
| 1.2. 国内外研究现状 | 第10-13页 |
| 1.3. 本文主要研究内容 | 第13页 |
| 1.4. 本文组织结构 | 第13-15页 |
| 2. SAT局部搜索与概率推理技术 | 第15-19页 |
| 2.1. 可满足性问题描述与符号定义 | 第15-16页 |
| 2.2. 随机局部搜索行为与策略 | 第16-17页 |
| 2.3. SAT的概率推理学习 | 第17-18页 |
| 2.4. 本章小结 | 第18-19页 |
| 3. SAT图嵌入消息表示 | 第19-28页 |
| 3.1. SAT的消息传递网络 | 第19-22页 |
| 3.2. 基于图嵌入的SAT分类网络 | 第22-24页 |
| 3.3. SAT解码方法 | 第24-25页 |
| 3.4. 解码结果与分析 | 第25-27页 |
| 3.5. 本章小结 | 第27-28页 |
| 4. 基于深度学习与概率推理的随机局部搜索 | 第28-36页 |
| 4.1. 局部搜索过程中的关系事件 | 第28-29页 |
| 4.2. 基于变元的间接破坏度量 | 第29-32页 |
| 4.3. 基于图嵌入学习信息的搜索策略 | 第32-34页 |
| 4.4. 深度学习与概率推理算法 | 第34-35页 |
| 4.5. 本章小结 | 第35-36页 |
| 5. 算例求解性能与结果分析 | 第36-44页 |
| 5.1. 实验设计 | 第36-37页 |
| 5.2. 实验结果与分析 | 第37-43页 |
| 5.3. 本章小结 | 第43-44页 |
| 6. 总结与展望 | 第44-46页 |
| 6.1. 全文总结 | 第44-45页 |
| 6.2. 课题展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |