スライディングパズルをIDA*などの探索アルゴリズムで解く場合,評価関数の性質によって効率が決まる.ルービックキューブの評価関数の構成は一度に複数のブロックが移動するため困難である.ルービックキューブのランダムな試行の結果をニューラルネットワークに学習させることで評価関数を構成することができる.本研究では,ルービックキューブの状態空間を削減するため,状態をいくつかの部分パターンに分解し評価関数の構成を試みた.このような評価関数の有効性を示す.