分支定界算法的理解

1. 核心思想

分支定界法的基本思想是对有约束条件的最优化问题的所有可行解（数目有限）空间进行搜索

2. 什么是分支定界？

分支定界算法始终围绕着一颗搜索树进行的，我们将原始问题看出搜索树的根节点，从这里出发，分支的含义就是将大的问题分割成小的问题，大问题可以看成是搜索树的父节点，那么从大问题分割出来的小问题就是父节点的子节点了。分支的过程就是不断给树增加子节点的过程。
而定界就是在分支的过程去检查子问题的上下界，如果子问题不能产生一个比当前最优解还要优的解，那么砍掉这一支，直到所有子问题都不能产生一个最优的解的时候，算法结束。

分支定界很像枚举的感觉，只不过加上了定界的过程，变成了一种非常有规律的枚举

原理解析

举个例子：
首先，对于一个整数规划模型：

因为求解的是最大化问题，不妨设当前的最优解（函数值）为负无穷

1. 首先从主问题分出两支子问题：
   
   通过线性松弛（规划）求得两个子问题的upper bound为Z_LP1 = 12.75，Z_LP2 = 12.2。由于Z_LP1 和Z_LP2都大于BestV=-INF，说明这两支有搞头。继续往下。

2.从节点1和节点2两个子问题再次分支，得到如下结果：

子问题3已经不可行，无需再理。子问题4通过线性松弛得到最优解为10，刚好也符合原问题0的所有约束，在该支找到一个可行解，更新BestV = 10。

子问题5通过线性松弛得到upper bound为11.87>当前的BestV = 10，因此子问题5还有戏，待下一次分支。而子问题6得到upper bound为9<当前的BestV = 10，那么从该支下去找到的解也不会变得更好，所以剪掉！

3. 对节点5进行分支，得到：
   
   子问题7不可行，无需再理。子问题8得到一个满足原问题0所有约束的解，但是目标值为4<当前的BestV=10，所以不更新BestV，同时该支下去也不能得到更好的解了。

4. 此时，所有的分支遍历都完成，我们最终找到了最优解。

将线上的值带进去，留下来的值就是最优解