分枝定界搜索算法
通过穷举法搜索进行的特征选择会导致计算量过高，而在分枝定界搜索算法帮助下，有可能不需要显示评估所有d 个特征的可能组合而确定最优特征集。

此算法的应用需假定特征选择准则满足单调性。

用()j x 表示含有j 个特征的候选特征集，单调性指的是对于具有下列嵌套关系的特征集()j x
()()()()12j D x x x x ⊂⊂⊂⊂ 其准则函数()()j J x 应满足
()()()()()()12D J x J x J x ≤≤≤
这点由构造特征评判准则的定义可得到保证。

为引出分枝定界搜索算法的基本观点，考虑从5个特征中挑选2个特征值的问题。

特征中所有可能组合如下图的树表示，顶称为根节点，底称为叶节点，中间称为枝节点，共有1D d -+层。

图 分枝定界搜索算法示意图
现假设自底向上，再由上向下的搜索方式从最右节点开始在树的每个节点评估特征，进行特征选择。

设初始叶节点的J 为0J （为45x x
的准则函数），在每个节点处，将节点的准则函数值和目前最优特征集的J 值进行比较，如果节点准则函数值大于0J ，则还有发现更佳特征集的机会，而且必须继续沿着最右边的未勘探分枝搜索。

如果到达了树底的叶节点且相应准则值大于0J ，则此结点定义了当前新的最佳特征集，而0J 则作为相应更新。

另一方面，如果在某节点的准则函数值小于0J ，则以此节点为起始点的分支就不需勘探。

因为根据单调性，再往下的特征组合将导致准则函数值的进一步减小。

如此按这一规律，由底向上，再自上而下，从右向左搜索全树，可获得最佳的二特征组合。

此搜索算法特别快捷有效。

12x 13235x 45342414251535。