我决定更深入地了解回溯的概念，我有以下任务：
鉴于N个投资者，M个城市，N个M矩阵P的投资者偏好（P [i，j] = 1，当第i个投资者希望该池建在第j个城市时; P [i， j] = 0然后他是中立的，当P [i，j] = -1时他是否持怀疑态度）和接受程度L（如果对于给定的地点选择，投资者偏好的总和大于或等于到L然后我们认为他确信）。找到可以说服的最大数量的投资者以及应该建造游泳池的城市。
我尝试过使用回溯，但我想知道是否有可能对其进行更优化。目前，在每个递归级别上，我都会跟踪可能被说服的人数。如果这个数字小于或等于我当前的最大值，那么我会返回（没有更好的答案）。
答案 0 :(得分：1)
我不确定这是否是您正在寻找的，但通过一个小技巧，您可以将问题表达为整数线性程序（ILP）。然后，您可以使用整数线性编程求解器（例如，GLPK）来找到最佳解决方案。
令 files: [
'bower_components/jquery/dist/jquery.js',
'bower_components/angular/angular.js',
'bower_components/angular-mocks/angular-mocks.js',
...
]
为0-1整数变量（<beans profile="cloud">
<context:property-placeholder
location="classpath*:META-INF/spring/${ENV}.properties" />
</beans>
范围超过投资者），s[i] 0-1整数变量在城市范围内，i为大数（c[j]会这样做。）
然后，您的问题是最小化K，使L + the number of investors，sum(s[i])。最优解决方案中i的值是不满意投资者的数量，sum(P[i, j]*c[j]) + s[i] * K >= L表示是否在城市sum(s[i])建立资源池。
这个问题的表述是ILP的标准形式，所以你很高兴。