效率不高，仅供算法演示。N皇后问题，回溯和递归。

针对传统骨架提取算法结果无法保证骨架单像素性,并且伴有毛刺产生的现象,提出了一种能够有效去除骨架中毛刺分枝,充分体现物体形态特征的骨架剪枝算法。该算法以模糊距离变换为理论基础,在物体粗骨架图像中计算每条尾枝的模糊距离变换值,使用根据骨架特点确定的动态阈值判断骨架分枝是否被去除,并利用分级剪枝方法实现骨架剪枝操作。实验结果表明,该算法在进行剪枝操作中可有效地保证骨架的准确性和连续性。

仅做参考，copy冲查重塔峰 算法设计与分析 3回溯法—地图填色问题 pre ppt 回溯法地图填色 路径选择(MRV DH) 剪枝策略(向前检测和颜色轮换) 运行时间随图规模增大而增大 图密度 （1） 通过本次实验，我了解到回溯法的基本思想： 不断尝试每一条可行路径，出错时回退，直到找到可行解或全部解。提高回溯法的效率关键在于剪枝和路径选择策略。 （2） 在本次实验中，我尝试利用回溯法实现地图填色： ① 路径选择策略：即结点选择策略我采用了选择（MRV）和度最大选择（DH）策略，优先MRV再DH。 ② 剪枝策略：采用向前检测和颜色轮换策略。 ③ 每个区域可当做结点用结构体表示。需要记录最少剩余量(可选色)和度。 ④ 地图文件数据的获取：可采用文件流fstream读取。 ⑤ 邻接关系：可用邻接矩阵实现。 （3） 由运行时间可以看出随着图规模的增大，运行时间会相应增大。根据图密度的不同获得全部答案的难度也不同。当点规模较大且图密度较大时，运行时间和获得全部解的难度大大增加。

仅供参考，copy冲查重塔峰 算法设计与分析 3回溯法地图填色报告.doc (1) 回溯法算法设计思想。 (2) 地图填色问题的回溯法解法。 （1） 通过本次实验，我了解到回溯法的基本思想： 不断尝试每一条可行路径，出错时回退，直到找到可行解或全部解。提高回溯法的效率关键在于剪枝和路径选择策略。 （2） 在本次实验中，我尝试利用回溯法实现地图填色： ① 路径选择策略：即结点选择策略我采用了选择（MRV）和度最大选择（DH）策略，优先MRV再DH。 ② 剪枝策略：采用向前检测和颜色轮换策略。 ③ 每个区域可当做结点用结构体表示。需要记录最少剩余量(可选色)和度。 ④ 地图文件数据的获取：可采用文件流fstream读取。 ⑤ 邻接关系：可用邻接矩阵实现。 （3） 由运行时间可以看出随着图规模的增大，运行时间会相应增大。根据图密度的不同获得全部答案的难度也不同。当点规模较大且图密度较大时，运行时间和获得全部解的难度大大增加。

仅供参考，copy冲查重塔峰 算法设计与分析-回溯法地图填色源代码.cpp (1) 回溯法算法设计思想。 (2) 地图填色问题的回溯法解法。 （1） 通过本次实验，我了解到回溯法的基本思想： 不断尝试每一条可行路径，出错时回退，直到找到可行解或全部解。提高回溯法的效率关键在于剪枝和路径选择策略。 （2） 在本次实验中，我尝试利用回溯法实现地图填色： ① 路径选择策略：即结点选择策略我采用了选择（MRV）和度最大选择（DH）策略，优先MRV再DH。 ② 剪枝策略：采用向前检测和颜色轮换策略。 ③ 每个区域可当做结点用结构体表示。需要记录最少剩余量(可选色)和度。 ④ 地图文件数据的获取：可采用文件流fstream读取。 ⑤ 邻接关系：可用邻接矩阵实现。 （3） 由运行时间可以看出随着图规模的增大，运行时间会相应增大。根据图密度的不同获得全部答案的难度也不同。当点规模较大且图密度较大时，运行时间和获得全部解的难度大大增加。 （4） 在本次实验中需要注意几个点： ① 我使用c++编程，注意map为关键字不可使用。 ② 为了确保地图获取功能和填色结果的正确性，可分别编写测试模块进行检查。

原论文地址:http://papers.nips.cc/paper/8867-global-sparse-momentum-sgd-for-pruning-very-deep-neural-networks.pdf

计算机算法设计与分析：第八章_回溯法.ppt

计算机算法设计与分析：第五章 回溯法.ppt

TensorFlow Model Optimization Toolkit是一套用于优化ML模型的工具，用于部署和执行。在许多用途中，该工具包支持的技术有如下使用: - 降低云和边缘设备(如移动、物联网)的延迟和t推理成本。 - 将模型部署到对处理、内存、功耗、网络使用和模型存储空间有限制的边缘设备。 - 支持对现有的硬件或加速器运行和优化。 参考博文：https://blog.csdn.net/weixin_38346042/article/details/125232613?spm=1001.2014.3001.5501

决策树学习及其剪枝算法研究论文。