對于所謂的分支限界法和回溯法，我們完全可以更加靈活，請看表格。

深度優先	廣度優先	約束條件	限界函數	算法	策略
√		√		回溯法	局部判定
	√	√	√	分支限界法	局部判定
√		√	√	加限界的回溯法	局部判定
√				枚舉法	全局判定
	√			枚舉法	全局判定

前兩種是我們常見的，但是，事實上，這幾種方式， 怎么玩都行，看實際需求了。

一般來說，剪枝策略使用 約束條件 + 限界函數，然后再配合深度優先或者廣度優先，是最好不過的了，也就是后兩種。

這樣一來，能夠盡可能地剪枝，以提高搜索效率。

而最后兩種枚舉法，則沒有剪枝策略，是一種全局判定方式，是最低效的。

總之，這三種常見的搜索算法，無非就是

• 枚舉策略
  • 深度優先
  • 廣度優先
• 剪枝策略
  • 約束條件
  • 限界函數

枚舉策略	剪枝策略
深度優先	約束條件
廣度優先	限界函數

其中，枚舉策略有且僅有一種，剪枝策略則隨意，然后就有了經典的枚舉法（蠻力法）、回溯法和分支限界法。

搜索算法的學習策略

已經顯而易見了，這4種方式，單獨學明白，懂邏輯，會實現，然后再組合起來使用就OK了。

預測思想：限界函數

限界函數是通過對子樹未來的上界/下界的預測，來評定是否需要繼續生成，方法就是按照平均值排序后，乘以剩余容量。

具體實例可以參考

1. 0/1 knapsack problem using branch and bound

2. 分支限界法-01背包問題

限界函數和約束條件的目標

1. 約束條件，是為了去掉不可行解，從而進行剪枝
2. 限界函數，是為了去掉非最優解，從而剪枝，但是它依然是可行解

明確了這兩個目標，就能夠更加針對性選擇了，如果題目求多個可行解，那么就不可能使用限界函數。