近日，学院刘燕丽老师的学术论文《A Learning based Branch and Bound for Maximum Common Subgraph related Problems》被人工智能顶级会议AAAI-20(The Thirty-Fourth AAAI Conference on Artificial Intelligence)接收，并受邀将在大会做口头报告。本届AAAI-20会议共计收到7737篇有效投稿，最终有1591篇论文被大会录用，同时，大会从录取的论文中选取部分论文进行口头报告。

AAAI人工智能会议是由同名学会AAAI（the Association for the Advancement of Artificial Intelligence）发起的一个国际性的人工智能学术会议。自19801年首次召开，至今已召开33届。AAAI会议涉及几乎所有人工智能主流研究方向，是人工智能领域一大盛事，被中国计算机学会(CCF)推荐为A类会议。

最大公共子图问题是描述两个图之间相似度的一种有效模型，在生物信息、模式识别、信息检索等领域均有广泛的应用。与最大公共子图相关的子图同构问题是判定给定的目标图中是否存在子图与模式图同构。比如，通过判断某新型生物化学产品是否存在特定的分子结构，以了解其是否具有该分子结构的功能。

针对基于分支定界的最大公共子图及其相关问题，提出了基于强化学习的奖励分支策略。具体地分析了历史搜索过程中，分支点(顶点匹配对)对未搜索空间大小的影响，并设计了多种奖励函数，以快速引导算法找到最优解。相较于传统的分支策略，新的方法不再简单地依赖于图的静态属性，如顶点度，邻接关系等，而是动态的学习历史搜索经验，达到快速求解的目标。