Section five Homework

当预算有限时，如何造出最轻的机器？——用回溯法解“最小重量机器设计问题”

在工程与算法的交汇处，我们常常要回答这样一个问题：如何在约束下做到“刚刚好”？

今天想和大家聊一个经典但容易被忽略的组合优化问题——最小重量机器设计问题。它不像旅行商那样广为人知，却真实反映了现实中的权衡艺术：在有限成本下，如何让产品尽可能轻？

而解决它的利器之一，就是我们熟悉的——回溯法。

1. 问题是什么？
   假设我们要设计一台机器，它由 \(n\) 个部件组成。
   每个部件可以从 \(m\) 家不同的供应商中选择。
   第 \(i\) 个部件从第 \(j\) 家供应商采购，会带来两个属性：重量 \(w_{ij}\)、价格 \(c_{ij}\)

我们的目标是：
为每个部件选一个供应商；使得总价格不超过预算 \(d\)；同时总重量尽可能小。

这本质上是一个带约束的最优化问题，属于 NP-hard 范畴。当 \(n\) 和 \(m\) 不大时，回溯法是一种直观且可行的解法。

1.1 解空间：所有可能的“组装方案”

首先，我们要明确：这个问题的解空间到底长什么样？
每个部件有 \(m\) 种选择；
共有 \(n\) 个部件；
所有可能的组合数是：\(m^n\)。

比如，3 个部件，每种有 2 家供应商 → 总共 \(2^3 = 8\) 种组装方案。

这些方案构成了问题的完整解空间。我们的任务，就是在这些方案中：
筛选出总成本 ≤ 预算 \(d\) 的可行解；
在可行解中，找到总重量最小的那个。

注意：解空间 ≠ 可行解空间。很多组合会超预算，直接被剪掉。

1.2 解空间树：一棵“决策树”

为了系统地遍历所有可能，我们把解空间组织成一棵树——称为解空间树（或状态空间树）。
树的深度：\(n+1\) 层（第 0 层是根，第 1~n 层分别对应第 1~n 个部件的选择）
每个非叶节点有 \(m\) 个子节点，代表当前部件选择哪家供应商
从根到叶子的一条路径，就对应一种完整的组装方案

举个例子（\(n=3, m=2\)）：

(根)
/ \
选1号 选2号 ← 第1个部件
/ \ / \
... ... ... ... ← 第2个部件
/ \ / \ / \ / \
... ... ... ... ... ... ← 第3个部件（叶子）

这样一棵树，共有 \(m^n\) 个叶子节点，每个叶子就是一个候选解。

1.3 遍历时，每个节点“记住”了什么？

在回溯过程中，我们并不是盲目地走到叶子再判断。为了高效剪枝，每个节点都需要维护当前的状态信息。

具体来说，当我们处在第 \(k\) 层（即已经为前 \(k-1\) 个部件做了选择），需要记录：

状态值	含义
current_cost	前 \(k-1\) 个部件的总价格
current_weight	前 \(k-1\) 个部件的总重量
best_weight（全局）	当前找到的最优可行解的重量（用于剪枝）

剪枝策略（关键！）

1. 可行性剪枝：
   如果 current_cost > d，说明已经超预算，无需继续向下搜索，直接回溯。

2. 最优性剪枝（限界）：
   即使还没超预算，但如果 current_weight ≥ best_weight，
   那么就算后面全选最轻的部件，也不可能比当前最优解更好——也可以剪掉。
   这些状态值就像“背包里的账本”，让我们在探索过程中随时知道：“还剩多少钱？已经多重了？还有没有必要继续？”

3. 我对回溯算法的理解
   回溯法，常被称作“聪明的暴力搜索”。
   它不像动态规划那样依赖重叠子问题，也不像贪心那样追求一步到位。
   它更像是一个有记忆、会反思的探险家：
   他一步步做选择（比如“这个部件选哪家？”）；
   每走一步，就检查当前状态是否还有希望；
   一旦发现前方无路可走（超预算、不可能更优），就立刻退回上一步，尝试其他选项；
   直到遍历完所有可能性，或者提前找到最优解。

回溯的核心三要素：

1. 选择（Choice）：在当前步骤有哪些可选项？
2. 约束（Constraint）：哪些选择是合法的？（如预算限制）
3. 目标（Objective）：如何判断一个解是否“更好”？（如重量更小）

它的优点与局限：
✅ 优点：
思路直观，易于实现；
能找到精确最优解（不是近似）；
配合剪枝，效率远高于纯暴力。
❌ 局限：
时间复杂度仍是指数级（\(O(m^n)\)），只适用于小规模问题；
剪枝效果高度依赖问题结构和数据分布。
所以，回溯法不是万能的，但在“小而精”的组合优化场景中，它依然是我们的可靠伙伴。

🧩 结语：在约束中寻找最优，是工程师的日常

最小重量机器设计问题，看似抽象，实则映射了无数现实场景：
电路板选型（成本 vs 功耗）
供应链采购（价格 vs 交付时间）
甚至人生选择（时间 vs 收益）

而回溯法教会我们的，不仅是算法技巧，更是一种思维方式：
在有限资源下，系统性地探索可能性，并及时止损、调整方向。

或许，这才是算法真正迷人的地方。