Tree Searching Strategies（树搜索策略 ）

使用最小堆，在一个节点“层”上进行比较。 

3 3 4 4——3 4 3 4 4——3 4 2 4 4 4——3 4 1 4 4 4——3 4 0 2 4 4 4 ＜（＾－＾）＞

 分枝定界能够有效剪枝减小代价，前面两个一个容易陷入局部优化，另一个代价仍然很大。

 对f：P到J有：难的工作分配给厉害的人：不同的人要承担不同的工作。

 工作分配的要求。

 可以看到，因为代价树的增长太过平缓，起点太低，在能够剪枝的时候都快算完了……剪枝效果并不好。那么我们是否可以改进一下算法使得起点增大呢？

在各行各列中做出这样的调整：共同减去一行或者一列的最小值，从而将一行/一列的最小值变成0。对于问题的所有可行解来说，必然在一行中挑选一个数、一列中挑选一个数，所以这样的调整并不会影响我们挑选与计算最优解。

 为什么减到0，则是为了保证代价的整体上升趋势；每行每列减去的数的总和就是解的下界。

 这是所有解的一个下界，，自然也是可行解的代价下界。虽然不满足偏序约束（

 一开始用爬山法找到的也只是可能解。在剪枝之后要继续找优化解。

目标： 使左子树代价下界增长最小，右子树代价下界增长最大。

 为啥一定是由4出发进入6的，因为一定要构成哈密顿图 不包括4，6就必须得有6，4。
 

 记得把C6，4给一起修改了。

 每次拓展都必须重新计算划分边。

 最左枝求的是优化解代价上界，除此之外都是使用的LB。

 使用的是最佳优先搜索策略。

4是必要的，说明f（t）是t对应的可能解。