From d5c6c0a551b1cc69b30136b5ef4349f05c7db471 Mon Sep 17 00:00:00 2001
From: Nanami <88866882+krmr73@users.noreply.github.com>
Date: Mon, 24 Jul 2023 08:37:31 +0900
Subject: [PATCH] =?UTF-8?q?fix:=20=E8=AA=AC=E6=98=8E=E3=81=AE=E8=A3=9C?=
 =?UTF-8?q?=E8=B6=B3=E3=81=A8=E4=BF=AE=E6=AD=A3?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 full-search/README.md | 4 ++--
 visualize/README.md   | 3 ++-
 2 files changed, 4 insertions(+), 3 deletions(-)

diff --git a/full-search/README.md b/full-search/README.md
index bde979f..8161b48 100644
--- a/full-search/README.md
+++ b/full-search/README.md
@@ -3,9 +3,9 @@
 ## 概要
 既存モデルの全探索を行います。
 rho,nu=1,2,...,20と戦略SSW,WSWの2種類の全てのパラメータ組(20x20x2=800)で全探索します。
-それぞれUbaldiのモデルを走らせ、10個の指標を計測して保存します。
+それぞれUbaldiのモデルを走らせ、10個の指標を計測して保存します。その後にターゲットデータとの距離を計算します。
 
-GA,QDはターゲットデータに合うように(rho,nu,s)を探索しますが、`full-search/main.jl`ではターゲットデータを意識していません。
+GA,QDはターゲットデータに合うように(rho,nu,s)を探索しますが、`full-search/main.jl`ではターゲットデータを意識せず、ネットワークの生成と10個の指標の計測だけを行います。
 ターゲットデータとのフィッティング（ターゲットデータとのdistanceを求め、最良の(rho,nu,s)を見つける操作）は`fitting.py`で行われます。
 
 ## 実行方法
diff --git a/visualize/README.md b/visualize/README.md
index 23bafcc..7f0ae52 100644
--- a/visualize/README.md
+++ b/visualize/README.md
@@ -69,7 +69,8 @@ $ python main.py <graph_type> <target_type>
 ```bash
 $ python tables/print_best.py <target_type>
 ```
-また、latex形式で遺伝子の表を出力するには、以下のコマンドを実行してください。
+
+latex形式で遺伝子の表を出力する場合：
 ```bash
 $ pwd # => /path/to/visualize
 $ python graphs/latex_table.py