大多数树状搜索算法属于此类,例如动态规划、分支定界法、有界列举法等等 近似算法倾向于具有路状结构,而启发法则可认为是一种简约树状结构算法,它按某种规则舍 弃一些候选者,启发法的结构可表示如下 有些问题,对于它们不存在有效的收敛算法,即不存在一种可接受的时间内收敛于所求解的算 法,这种情况下启发法是一项有力的工具。 衡量一种算法好坏的重要标准是算法的计算次数或计算时间,显然计算次数与问题的规模有关。 设问题的规模为n,如果存在n的一个多项式P(n),使得该问题的任何实例都可以在计算次数 F(n)=O(P(m)之内解出,则称该问题存在多项式的时间算法,简称多项式算法。其中P(n)称为 计算的复杂性。一个问题若存在多项式算法,就认为它可以有效地用计算机求解,该算法就称为好 算法。若算法的计算次数F(n)=O(a")(a≥2),则称算法为指数型的。一般认为指数型算法不是 好算法。 存在这样一类问题,其目前最快算法所需计算次数是n的指数函数而非多项式,因此n略大时3 大多数树状搜索算法属于此类，例如动态规划、分支定界法、有界列举法等等。 近似算法倾向于具有路状结构，而启发法则可认为是一种简约树状结构算法，它按某种规则舍 弃一些候选者，启发法的结构可表示如下：     有些问题，对于它们不存在有效的收敛算法，即不存在一种可接受的时间内收敛于所求解的算 法，这种情况下启发法是一项有力的工具。 衡量一种算法好坏的重要标准是算法的计算次数或计算时间，显然计算次数与问题的规模有关。 设问题的规模为 n，如果存在 n 的一个多项式 P(n)，使得该问题的任何实例都可以在计算次数 F n O P n ( ) ( ( )) = 之内解出，则称该问题存在多项式的时间算法，简称多项式算法。其中 P n( ) 称为 计算的复杂性。一个问题若存在多项式算法，就认为它可以有效地用计算机求解，该算法就称为好 算法。若算法的计算次数 ( ) ( )n F n O a = ( 2) a  ，则称算法为指数型的。一般认为指数型算法不是 好算法。 存在这样一类问题，其目前最快算法所需计算次数是 n 的指数函数而非多项式，因此 n 略大时