图强化学习（结构生成）

两篇相关论文：
Graph Convolutional Policy Network for Goal-Directed Molecular Graph Generation
MolGAN: An implicit generative model for small molecular graphs
论文内容不做详细介绍，只说一下想法：
在化学中，要制造新化合物，就需要设计新的结构，并且满足化合价约束、结构规则等一系列性质。
之前都是依赖人为经验设计，空间太大非解太多没法枚举。
用强化学习，一步步随机生成新的图结构，并根据是否满足性质给出reward，更新状态，直到session结束。
或者用GAN生成新数据媲美原数据。
这个方向需要生化专业提供问题背景和专业常识，再使用强化学习or GAN 进行建模求解。

同时，类似的思路也可以用于求解经典图构造问题。
层级强化学习可用于大结构（蕴含一定规律的子结构）生成。