Professional Documents
Culture Documents
ﺩﺭﺧﺖ ﺑﺴﯿﺎﺭ ﺣﺠﯿﻢ ﺭﺳﻢ ﮐﻨﯿﻢ ﻣﺜﺎﻝ .۳ﻣﺴﺌﻠەﯼ ﺭﻧﮓﺁﻣﯿﺰﯼ ﺭﺋﻮﺱ ﮔﺮﺍﻑ ﺑﺎ kﺭﻧﮓ ﮐﻪ ﻫﻤﺴﺎﯾەﻫﺎ ﻣﺘﻔﺎﻭﺕ ﺑﺎﺷﻨﺪ) .ﺑﺎﯾﺪ ﯾ
ﺗﺎ ﺑﻪ ﺟﻮﺍﺏ ﺑﺮﺳﯿﻢ ﻭ ﺍﺩﺍﻣﻪ ﺩﺍﺩﻥ ﺑﻌﻀ ﺭﺃﺱﻫﺎ ﺑﯽﻓﺎﯾﺪﻩ ﺍﺳﺖ(.
ﺑﺎﺭ ﺑﺒﯿﻨﺪ(. ﻣﺜﺎﻝ .۴ﺩﻭﺭ ﻫﻤﯿﻠﺘﻮﻧ )ﭼﺮﺧﻪ ﯾﺎ ﺗﻮﺭ ﻫﻤﯿﻠﺘﻮﻧ ( ﺍﺳﺖ )ﻣﺴﯿﺮ ﺑﺴﺘەﺍﯼ ﮐﻪ ﻫﻤەﯼ ﺭﺋﻮﺱ ﺭﺍ ﺩﻗﯿﻘﺎ ﯾ
ﻣﺜﺎﻝ .۵ﻣﺴﺌﻠەﯼ ﮐﻮﻟەﭘﺸﺘ ﮐﻪ ﻣ ﺩﺍﻧﯿﻢ ﺩﻭ ﻧﻮﻉ ﺭﺍەﺣﻞ ﺩﺍﺭﺩ ﻭ ﺩﺭ ﺍﯾﻦ ﻓﺼﻞ ﮐﻮﻟەﭘﺸﺘ ۰−۱ﺭﺍ ﺣﻞ ﻣ ﮐﻨﯿﻢ ﻭ ﺑﺎ ﻧﻮﻉ ﮐﺴﺮﯼﺍﺵ
ﮐﺎﺭﯼ ﻧﺪﺍﺭﯾﻢ.
.۲ﺭﻭﺵ ﺷﺎﺧﻪ ﻭ ﮐﺮﺍﻥ ﺑﺮﺍﯼ ﻣﺴﺎﺋﻞ ﺑﻬﯿﻨﻪ ﺳﺎﺯﯼ ﺍﺳﺘﻔﺎﺩﻩ ﻣ ﺷﻮﺩ ﻭ ﺩﺭ ﻫﺮ ﮔﺮﻩ ﯾ ﺣﺪ ﻭ ﮐﺮﺍﻧ ﺑﺪﺳﺖ ﻣ ﺁﻭﺭﺩ ﮐﻪ ﻧﺸﺎﻥ
ﻣ ﺩﻫﺪ ﮐﻪ ﺁﯾﺎ ﻣ ﺗﻮﺍﻥ ﺑﻪ ﺁﻥ ﮔﺮﻩ ﻭ ﻧﺴﻞ ﺑﻌﺪﯼ ﺁﻥ ﺍﻣﯿﺪﻭﺍﺭ ﺑﻮﺩ ﯾﺎ ﻧﻪ )ﮔﺮﻩ ﻭﻋﺪەﮔﺎﻩ ﺍﺳﺖ ﯾﺎ ﺧﯿﺮ(.
ﺗﻌﺮﯾﻒ .۳ﻣﺴﺎﺋﻞ ﺑﻬﯿﻨەﺳﺎﺯﯼ ﻭ ﺗﺼﻤﯿﻢﮔﯿﺮﯼ ﭼﻪ ﻫﺴﺘﻨﺪ؟
ﻣﺴﺎﺋﻞ ﺑﻬﯿﻨەﺳﺎﺯﯼ ﻭﯾﮋﻩ ﺑﯿﺸﯿﻨەﺳﺎﺯﯼ ﯾﺎ ﺑﻬﯿﻨەﺳﺎﺯﯼ ﯾ ﺗﺎﺑﻊ ﻫﺪﻑ ﺑﺎ ﺭﻋﺎﯾﺖ ﻗﯿﺪﻫﺎ ﺍﺳﺖ .ﺑﻪ ﻃﻮﺭ ﻣﺜﺎﻝ ﺯﻣﺎﻧ ﮐﻪ ﻣ ﺧﻮﺍﻫﯿﻢ
ﭼﯿﺰﯼ ﺭﺍ ﺑﯿﺸﺘﺮﯾﻦ ﮐﻨﯿﻢ ﻣﺎﻧﻨﺪ ﺳﻮﺩ ﯾﺎ ﻣ ﺧﻮﺍﻫﯿﻢ ﭼﯿﺰﯼ ﺭﺍ ﮐﻤﺘﺮﯾﻦ ﮐﻨﯿﻢ ﻣﺎﻧﻨﺪ ﻃﻮﻝ ﻣﺴﯿﺮ ﻓﺮﻭﺷﻨﺪﻩ ﺩﻭﺭﻩ ﮔﺮﺩ ﯾﺎ ﺯﻣﺎﻧ ﮐﻪ
ﻣ ﺧﻮﺍﻫﯿﻢ ﺑﻬﺘﺮﯾﻦ ﺣﺎﻟﺖ ﺭﺍ ﭘﯿﺪﺍ ﮐﻨﯿﻢ )ﯾﻌﻨ ﺟﻮﺍﺏ ﻫﺎ ﺭﺍ ﺩﺍﺭﯾﻢ ﺍﻣﺎ ﺍﺯ ﺑﯿﻦ ﺟﻮﺍﺏ ﻫﺎ ﺑﻬﺘﺮﯾﻦ ﺣﺎﻟﺖ ﺭﺍ ﻣ ﺧﻮﺍﻫﯿﻢ ﻭ ﻫﻤەﯼ
ﺟﻮﺍﺏ ﻫﺎ ﺭﺍ ﻧﻤ ﺧﻮﺍﻫﯿﻢ ( .ﺑﻪ ﺍﯾﻨﮕﻮﻧﻪ ﻣﺴﺎﺋﻞ ،ﻣﺴﺎﺋﻞ ﺑﻬﯿﻨﻪ ﺳﺎﺯﯼ ﻣ ﮔﻮﯾﻨﺪ.
ﻣﺴﺎﺋﻞ ﺗﺼﻤﯿﻢ ﮔﯿﺮﯼ ﻫﻢ ﺷﺒﯿﻪ ﻣﺴﺎﺋﻞ ﺑﻬﯿﻨﻪ ﺳﺎﺯﯼ ﺍﻧﺪ ﺍﻣﺎ ﭘﺎﺳﺦ ﻣﺴﺎﺋﻞ ﺗﺼﻤﯿﻢ yesﯾﺎ noﺍﺳﺖ.
۱
ﻣﺜﺎﻝ .۶ﺩﺭ ﻣﺴﺌﻠﻪ ) TSPﻓﺮﻭﺷﻨﺪﻩ ﺩﻭﺭﻩ ﮔﺮﺩ( ﯾ ﮔﺮﺍﻑ ﺑﺎ ﻭﺯﻥ ﺭﻭﯼ ﯾﺎﻝﻫﺎﯼ ﺁﻥ ﺭﺍ ﺑﻪ ﻣﺎ ﻣ ﺩﻫﻨﺪ ﻭ ﺍﺯ ﻣﺎ ﻣ ﺧﻮﺍﻫﻨﺪ ﮐﻪ ﮐﻮﺗﺎﻩ
ﺗﺮﯾﻦ ﺩﻭﺭ ﻓﺮﺍﮔﯿﺮ ﺭﺍ ﭘﯿﺪﺍ ﮐﻨﯿﻢ .ﯾﻌﻨ ﺑﻬﺘﺮﯾﻦ ﻣﺴﯿﺮ ﺑﺮﺍﯼ ﻓﺮﻭﺷﻨﺪﻩ ﺩﻭﺭﻩ ﮔﺮﺩ ﺭﺍ ﭘﯿﺪﺍ ﮐﻨﯿﻢ ﻭ ﻣﺎ ﻧﻤ ﺩﺍﻧﯿﻢ ﮐﻪ ﻃﻮﻟﺶ ﭼﻘﺪﺭ ﺧﻮﺍﻫﺪ
ﺑﻮﺩ .ﺩﺭ ﻫﺮ ﺻﻮﺭﺕ ﺑﺎ ﻫﺮ ﺭﻭﺷ ﮐﻪ ﺑﻠﺪﯾﻢ ﻣﺴﺎﻟﻪ ﺭﺍ ﺣﻞ ﻣ ﮐﻨﯿﻢ ﻭ ﮐﻮﺗﺎﻩ ﺗﺮﯾﻦ ﻣﺴﯿﺮ ﺭﺍ ﭘﯿﺪﺍ ﻣ ﮐﻨﯿﻢ ﻭ ﻃﻮﻝ ﺁﻥ ﺭﺍ ﻧﯿﺰ ﭘﯿﺪﺍ
ﻣ ﮐﻨﯿﻢ .ﺑﻪ ﺍﯾﻦ ﻧﻮﻉ ﻣﺴﺎﺋﻞ ،ﻣﺴﺎﺋﻞ ﺑﻬﯿﻨﻪ ﺳﺎﺯﯼ ﯾﺎ ﮔﺎﻫ ﹼﺎ ﺑﻬﯿﻨﻪ ﯾﺎﺑﯽ ﻣﯿ ﻮﯾﯿﻢ.
ﻣﺜﺎﻝ .۷ﯾ ﮔﺮﺍﻑ ﻣ ﺩﻫﻨﺪ ﻭ ﻭﺯﻥ ﺭﻭﯼ ﯾﺎﻝ ﻫﺎﯼ ﺁﻥ ﻫﺎ ﺭﺍ ﻧﯿﺰ ﻣ ﺩﻫﻨﺪ ﻭ ﻣ ﮔﻮﯾﻨﺪ ﺁﯾﺎ ﯾ ﻣﺴﯿﺮ ﺑﺮﺍﯼ ﻓﺮﻭﺷﻨﺪﻩ ﺩﻭﺭﻩ ﮔﺮﺩ ﻭﺟﻮﺩ
ﺩﺍﺭﺩ ﮐﻪ ﻃﻮﻟﺶ ﻣﺜﻼ ﺍﺯ ۱۸۰ﮐﻤﺘﺮ ﺑﺎﺷﺪ؟ ﺳﭙﺲ ﺍﯾﻦ ﻣﺴﺎﻟﻪ ﺭﺍ ﺣﻞ ﻣ ﮐﻨﯿﻢ ﻭ ﺟﻮﺍﺏ ﺁﻥ yesﯾﺎ noﺍﺳﺖ.ﺍﯾﻨﮕﻮﻧﻪ ﻣﺴﺎﺋﻞ ﺭﺍ
ﻣﺴﺎﺋﻞ ﺗﺼﻤﯿﻢ ﭘﺬﯾﺮﯼ ﻣ ﮔﻮﯾﻨﺪ.
ﻧﮑﺘﻪ .۱ﻣﺴﺎﺋﻞ ﺷﺎﺧﻪ ﻭ ﮐﺮﺍﻥ ﻫﻢ ﺩﺭﺧﺖ ﺩﺍﺭﯾﻢ ﮐﻪ ﺍﺯ ﺭﯾﺸﻪ ﺷﺮﻭﻉ ﺷﺪﻩ ﻭ ﻫﻤﯿﻦﺟﻮﺭ ﺩﻧﺒﺎﻝ ﺟﻮﺍﺏ ﻣ ﮔﺮﺩﻩ ﻭ ﺟﻮﺍﺑﯽ ﮐﻪ ﺗﺎ ﺍﻭﻥ
ﻟﺤﻈﻪ ﭘﯿﺪﺍ ﮐﺮﺩﯾﻢ ﺧﻮﺑﻪ ﺍﻣﺎ ﻧﻤﯿﺪﺍﻧﯿﻢ ﺑﻬﯿﻨﻪ ﺍﺳﺖ ﯾﺎ ﻧﻪ .ﭘﺲ ﻫﻤﯿﻦ ﻃﻮﺭ ﺑﻪ ﮔﺸﺘﻦ ﺍﺩﺍﻣﻪ ﻣ ﺩﻫﯿﻢ ﺗﺎ ﺑﺒﯿﻨﯿﻢ ﺟﻮﺍﺏ ﺑﻬﺘﺮﯼ ﭘﯿﺪﺍ ﻣ ﮐﻨﯿﻢ
ﯾﺎ ﻧﻪ .ﺑﻪ ﻃﻮﺭ ﻣﺜﺎﻝ ﯾ ﮔﺮﺍﻑ ﺩﺍﺭﯾﻢ ﻭ ﺑﻪ ﺩﻧﺒﺎﻝ ﮐﻮﺗﺎەﺗﺮﯾﻦ ﻣﺴﯿﺮ ﺑﺮﺍﯼ ﻓﺮﻭﺷﻨﺪﻩ ﺩﻭﺭﻩ ﮔﺮﺩ ﻫﺴﺘﯿﻢ .ﻓﺮﺽ ﮐﻨﯿﺪ ﮐﻪ ﺩﺭ ﺑﺎﻻﯼ
ﺩﺭﺧﺖ ﺷﺮﻭﻉ ﮐﺮﺩﯾﻢ ﺑﻪ ﻋﻮﺽ ﮐﺮﺩﻥ ﮔﺮﻩ ﻫﺎ ﻭ ﺑﻪ ﺟﺎﯾﯽ ﺭﺳﯿﺪﯾﻢ ﮐﻪ ﯾ ﻣﺴﯿﺮﯼ ﺭﺍ ﭘﯿﺪﺍ ﮐﺮﺩەﺍﯾﻢ ﮐﻪ ﺍﺯ ﻫﻤﻪ ﺷﻬﺮﻫﺎ ﻣ ﮔﺬﺭﺩ
ﻭ ﻃﻮﻟﺶ ۲۰۰ﺍﺳﺖ.ﻫﻤﯿﻦﻃﻮﺭ ﺍﺩﺍﻣﻪ ﻣ ﺩﻫﯿﻢ ﻭ ﺍﮔﺮ ﺑﻪ ﺟﺎﯾﯽ ﺑﺮﺳﯿﻢ ﮐﻪ ﮔﺮﻩ ﺍﯼ ﻃﻮﻟﺶ ۲۲۰ﺷﻮﺩ ﻭ ﺩﺭ ﻧﺴﻞﻫﺎﯼ ﺑﻌﺪ ﺑﻪ ﺍﯾﻦ
ﻣﻘﺪﺍﺭ ﺍﺿﺎﻓﻪ ﺷﻮﺩ ﺩﺭ ﺍﯾﻨﺠﺎ ﺑﺎﯾﺪ ﺗﻮﻗﻒ ﮐﻨﯿﻢ ﻭ ﺍﺯ ﺍﻭﻧﺠﺎ ﺑﻪ ﺑﻌﺪ ﺭﺍ ﺣﺬﻑ ﮐﻨﯿﻢ ﻭ ﺍﯾﻦ ﺷﺎﺧﻪ ﺭﺍ ﺩﯾ ﺮ ﺍﺩﺍﻣﻪ ﻧﺪﻫﯿﻢ .ﺍﻣﺎ ﺟﺴﺘﺠﻮ ﺭﺍ
ﻣﺘﻮﻗﻒ ﻧﻤ ﮐﻨﯿﻢ ﻭ ﺑﺎﯾﺪ ﮐﻞ ﺩﺭﺧﺖ ﺭﺍ ﭘﯿﻤﺎﯾﺶ ﮐﻨﯿﻢ ﻭ ﻣﺴﯿﺮ ﻫﺎﯾﯽ ﮐﻪ ﻃﻮﻝ ﮔﺮﻩ ﺩﺭ ﺁﻥ ﻫﺎ ﺍﺯ ۲۰۰ﺑﯿﺸﺘﺮ ﻣ ﺷﻮﺩ ﺭﺍ ﻫﺮﺱ ﮐﻨﯿﻢ
ﺗﺎ ﺩﯾ ﺮ ﻭﺍﺭﺩ ﺁﻥ ﻫﺎ ﻧﺸﻮﯾﻢ ﻭ ﺍﯾﻦ ﮐﺎﺭ ﺭﺍ ﺗﺎ ﺟﺎﯾﯽ ﺍﺩﺍﻣﻪ ﻣ ﺩﻫﯿﻢ ﮐﻪ ﻣﺴﯿﺮﯼ ﺑﺎ ﻃﻮﻝ ﮐﻮﺗﺎەﺗﺮ ﭘﯿﺎﺩﻩ ﮐﻨﯿﻢ ﺑﻪ ﻃﻮﺭ ﻣﺜﺎﻝ . ۱۸۰ﭘﺲ
ﺍﯾﻦ ﻣﺴﯿﺮ ،ﻣﺴﯿﺮ ﺑﻬﯿﻨﻪ ﺟﺪﯾﺪ ﻣﺎ ﻣ ﺷﻮﺩ ﻭ ﻣﺴﯿﺮ ﺑﻪ ﻃﻮﻝ ۲۰۰ﺩﯾ ﺮ ﻣﺴﯿﺮ ﺑﻬﯿﻨﻪ ﻣﺎ ﻧﯿﺴﺖ .ﺍﯾﻦ branⅽh anⅾ bounⅾﺍﺳﺖ
ﯾﻌﻨ ﻣﺴﺎﯾﻞ ﺭﺍ ﺑﻬﯿﻨﻪ ﺳﺎﺯﯼ ﻣ ﮐﻨﺪ.
ﺩﺭ ﺑﺎﺯﯼ ﺍﯼ ﮐﻪ ﺑﺎﯾﺪ ﺍﻋﺪﺍﺩ ﺑﯿﻦ ۱ﺗﺎ ۸ﺭﺍ ﻣﺮﺗﺐ ﮐﻨﯿﻢ ﻭ ﺩﺭ ﺑﺎﺯﯼ ۴ﻭﺯﯾﺮ ﯾﺎ ۸ﻭﺯﯾﺮ ﮐﻪ ﺑﺎﯾﺪ ﻭﺯﯾﺮﻫﺎ ﺭﺍ ﺑﻪ ﮔﻮﻧﻪ ﺍﯼ ﺑﭽﯿﻨﯿﻢ ﮐﻪ ﺑﻪ
ﯾ ﺪﯾ ﺮ ﮔﺎﺭﺩ ﻧﺪﻫﻨﺪ ﻭ ﮐﺎﻓ ﺍﺳﺖ ﯾ ﺣﺎﻟﺖ ﺭﺍ ﭘﯿﺪﺍ ﮐﻨﯿﻢ ﮐﻪ ﺟﻮﺍﺏ ﻣﺴﺎﻟﻪ ﺍﺳﺖ ﻭ ﺑﻪ ﺩﻧﺒﺎﻝ ﺟﻮﺍﺏ ﺑﻬﺘﺮ ﻧﻤ ﮔﺮﺩﯾﻢ ﻭ ﺗﻨﻬﺎ ﺍﯾﻦ
ﮐﻪ ﻣﺴﺌﻠﻪ ﺟﻮﺍﺏ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ ﺑﺮﺍﯼ ﻣﺎ ﮐﺎﻓ ﺍﺳﺖ ﮐﻪ ﺍﯾﻦ ﺑﺎﺯﯼﻫﺎ ﺑﺎﺯﮔﺸﺖ ﺑﻪ ﻋﻘﺐ ﻫﺴﺘﻨﺪ.
ﻧﺘﯿﺠﻪ .۱ﺯﻣﺎﻥﻫﺎﯾﯽ ﮐﻪ ﺗﻨﻬﺎ ﺑﻪ ﺩﻧﺒﺎﻝ ﺟﻮﺍﺏ ﻫﺴﺘﯿﻢ ﻭ ﺑﻬﯿﻨﻪ ﺑﻮﺩﻥ ﺁﻥ ﻣﻬﻢ ﻧﯿﺴﺖ ،ﺍﯾﻦ ﻣ ﺷﻮﺩ baⅽk traⅽkingﻭ ﺯﻣﺎﻥﻫﺎﯾﯽ ﮐﻪ
ﯾ ﺟﻮﺍﺏ ﭘﯿﺪﺍ ﮐﺮﺩﯾﻢ ﺍﻣﺎ ﻫﻨﻮﺯ ﺍﻣﯿﺪ ﺩﺍﺭﯾﻢ ﮐﻪ ﺟﻮﺍﺑﯽ ﺑﻬﺘﺮ ﺑﺮﺍﯼ ﺁﻥ ﻣﺴﺎﻟﻪ ﭘﯿﺪﺍ ﮐﻨﯿﻢ ﻭ ﺑﻪ ﺩﻧﺒﺎﻝ ﺑﻬﯿﻨﻪ ﺳﺎﺯﯼ ﻫﺴﺘﯿﻢ ،ﺍﯾﻦ ﻣ ﺷﻮﺩ
. branⅽh anⅾ bounⅾ
۲
ﻣﻘﺎﯾﺴﻪ ﺩﻭ ﺭﻭﺵ ﺑﺎﺯﮔﺸﺖ ﺑﻪ ﻋﻘﺐ ﻭ ﺷﺎﺧﻪ ﻭ ﮐﺮﺍﻥ :
ﻧﯿﺎﺯﯼ ﻧﯿﺴﺖ ﻫﻤﻪ ﺟﺎ ﺭﺍ ﺑ ﺮﺩﯾﻢ ﻭ ﺑﻪ ﺍﻭﻟﯿﻦ ﺟﻮﺍﺏ ﮐﻪ ﺑﺮﺳﯿﻢ ﺑﻪ ﺩﻟﯿﻞ ﺑﺎﻻ ﺩﺭ ﺍﯾﻦ ﺭﻭﺵ ﻣﺠﺒﻮﺭﯾﻢ ﺗﻤﺎﻡ ﺩﺭﺧﺖ ﺭﺍ ﺟﺴﺘﺠﻮ
ﻣﺘﻮﻗﻒ ﻣ ﺷﻮﯾﻢ ﮐﻨﯿﻢ ﺑﻪ ﺍﻣﯿﺪ ﯾﺎﻓﺘﻦ ﺟﻮﺍﺑﯽ ﺑﻬﺘﺮ
ﮐﺎﺭﺍﯾﯽﺍﺵ ﻧﺴﺒﺖ ﺑﻪ ﺷﺎﺧﻪ ﻭ ﮐﺮﺍﻥ ﺑﯿﺸﺘﺮ ﺍﺳﺖ ﻭ ﺑﯿﺸﺘﺮ ﮐﺎﺭﺍﯾﯽﺍﺵ ﻧﺴﺒﺖ ﺑﻪ ﺑﺎﺯﮔﺸﺖ ﺑﻪ ﻋﻘﺐ ﮐﻤﺘﺮ ﺍﺳﺖ ﻭ ﺍﺯ ﺷﺎﺧﻪ
ﻣﺮﺑﻮﻁ ﺑﻪ ﺳﺮﻋﺖ ﻭ ﻫﺮﺱ ﮐﺮﺩﻥ ﺍﺳﺖ ﻭ ﮐﺮﺍﻥ ﮐﻤ ﺍﻧﺘﻈﺎﺭ ﺑﯿﺸﺘﺮﯼ ﻧﺴﺒﺖ ﺑﻪ ﺑﺎﺯﮔﺸﺖ ﺑﻪ ﻋﻘﺐ ﺩﺍﺭﯾﻢ
ﻫﻤﻪ ﯼ ﺍﯾﻦ ﻣﺴﺎﺋﻠ ﮐﻪ ﺯﺩﻩ ﺷﺪ ﺟﺰﻭ ﻣﺴﺎﺋﻞ ﺳﺨﺖ ) ( NP harⅾﻫﺴﺘﻨﺪ ﻭ ﺍﯾﻦ ﺩﻭ ﻓﺼﻞ ﺑﯿﺸﺘﺮ ﺑﻪ ﺩﺭﺩ ﺍﯾﻦ ﻣﺴﺎﺋﻞ
ﻣﯿﺨﻮﺭﻧﺪ .ﺩﺭ ﻣﺴﺎﺋﻞ ﻓﺼﻞ ،۶ﺍﺻﻞ ﺍﻟ ﻮﺭﯾﺘﻢ ﺧﻮﺩ ﻣﺴﺎﺋﻞ ﺳﺎﺩﻩ ﺍﺳﺖ ﻭ ﺩﺭﺧﺖ ﻓﻀﺎﯼ ﺣﺎﻟﺖ ﺭﻭ ﺩﺭﺳﺖ ﻣﯿ ﻨﯿﻢ ﻭ searⅽh
ﻣﯿ ﻨﯿﻢ .ﭘﯿﭽﯿﺪﮔ ﺍﯾﻦ ﻣﺴﺎﺋﻞ ﻫﻤﻪ ﮐﻨﺪ ﻭ ﺳﺨﺖ ﺍﻧﺪ ﻭ NP harⅾﺍﻧﺪ ﻭ ﺩﺭ ﻭﺍﻗﻊ ﻧﻤﺎﯾﯽ ﺍﻧﺪ.
ﺑﻘﯿﻪ ﻣﺴﺎﺋﻞ ﺭﺍ ﮐﻪ ﺩﺭ ﻓﺼﻞ ﻫﺎﯼ ۲ﻭ ۳ﻭ ۴ﺧﻮﺍﻧﺪﯾﻢ ﺭﺍ ﻫﻢ ﻣﯿﺘﻮﺍﻥ ﺑﺎ ﺍﯾﺪﻩ ﻫﺎﯼ ﺑﺎﺯﮔﺸﺖ ﺑﻪ ﻋﻘﺐ ﻭ ﮐﺮﺍﻥ ﻭ ﺷﺎﺧﻪ ﺣﻞ ﮐﺮﺩ
ﺍﻣﺎ ﭼﻮﻥ ﺟﺴﺘﺠﻮﯼ ﺗﻤﺎﻡ ﺣﺎﻻﺕ ﺩﺭ ﻓﻀﺎﯼ ﺣﺎﻟﺖ ﺩﺭ ﺍﻭﻥ ﺩﺭﺧﺖ ﺑﺰﺭﮒ ﮐﺎﺭ ﺧﯿﻠ ﻋﻘﻼﻧ ﺍﯼ ﻧﯿﺴﺖ ﭘﺲ ﺍﺯ ﺍﯾﻦ ﺩﻭ ﺍﯾﺪﻩ ﺑﺮﺍﯼ
ﻣﺴﺎﺋﻞ ﻓﺼﻞ ﻗﺒﻞ ﺍﺳﺘﻔﺎﺩﻩ ﻧﻤﯿ ﻨﯿﻢ ﻣ ﺮ ﺍﯾﻨﮑﻪ ﺍﯾﻦ ﻣﺴﺎﺋﻞ ﺳﺨﺖ ﺑﺎﺷﻨﺪ.
ﻧﺘﯿﺠﻪ .۲ﺩﻭ ﺍﯾﺪﻩ ﺑﺎﺯﮔﺸﺖ ﺑﻪ ﻋﻘﺐ ﻭ ﮐﺮﺍﻥ ﻭ ﺷﺎﺧﻪ ﺑﺮﺍﯼ ﺗﮏ ﺗﮏ ﻣﺴﺎﺋﻞ ﺁﻥ ﭘﯿﭽﯿﺪﮔ ﺯﻣﺎﻧ ﺁﻥ ﺑﺴﯿﺎﺭ ﮐﻨﺪ ﺍﺳﺖ ﻣ ﺮ ﺍﯾﻨﮑﻪ
ﻣﻘﺪﺍﺭ ﺩﺍﺩەﻫﺎﯾﻤﺎﻥ ﮐﻢ ﺑﺎﺷﺪ ﻭ ﻧﻤﻮﻧەﻫﺎﯾﻤﺎﻥ ﮐﻮﭼ ﺑﺎﺷﺪ.
ﺍﻣﺮﻭﺯﻩ ﺭﻭﺵ ﻫﺎﯼ ﺑﻬﺘﺮﯼ ﺑﺮﺍﯼ ﺣﻞ ﻣﺴﺎﺋﻞ ﺳﺨﺖ ﺁﻣﺪﻩ ﮐﻪ ﮐﻤﺘﺮ ﺳﺮﺍﻍ ﺍﯾﻦ ﺩﻭ ﺭﻭﺵ ﻣ ﺁﯾﯿﻢ .ﺭﻭﺵ ﻫﺎﯼ ﺣﺮﯾﺼﺎﻧﻪ ﻭ ﭘﻮﯾﺎ ﻭ
ﺗﻘﺴﯿﻢ ﻭ ﻏﻠﺒﻪ ﺍﺯ ﺍﯾﻦ ﺭﻭ ﺭﻭﺵ ﺑﺴﯿﺎﺭ ﺑﻬﺘﺮ ﺍﻧﺪ ﻭ ﺍﯾﻦ ﺩﻭ ﺭﻭﺵ ﺗﺎ ﺣﺪﻭﺩﯼ ﺯﻭﺭﮐ ﺍﻧﺪ ﻭ ﺑﺴﯿﺎﺭ ﮐﻢ ﻫﻮﺷﻤﻨﺪ ﺍﻧﺪ.
۳