知乎高问：为什么有些人不愿意在女领导手下工作?

刚看到个知乎高问，问的是：为什么有些人不愿意在女领导手下工作？话题一出来，评论区就挺热闹。

贴子本身讨论的是职场选择偏好，不是性别对立。但网友回帖里，有人直言“事情多、情绪起伏大”，也有人反驳这是刻板印象。

我觉得吧，这事不能一刀切。事多不多，很多时候跟岗位、流程有关；情绪稳不稳，也更多是个人管理能力问题，跟性别真没必然关系。

说白了，大家讨厌的不是女领导，而是“不专业的领导”。要是目标清晰、边界明确、情绪不外溢，谁当领导其实都一样。

当然，也得承认，有些人对女性领导天然更敏感，一点不顺就容易被放大解读，这本身也是职场偏见的一部分。怎么说呢，职场就像坐地铁，挤不挤看线路，不该怪司机性别。

有个销售员，要从公司出发，跑一圈客户城市，每个城市刚好去一次，最后再回公司。每两个城市之间都有路，路程可能不一样。问题就是——怎么走，总路程最短？

听着是不是很像那个“旅行商问题”（Traveling Salesman Problem，TSP），其实就是同一个东西，名字换成“销售员”而已。

先别急着上算法，脑子里先画个图：每个城市是一个点，两点之间有一条边，边上写着距离。你要做的事，就是在这个图上绕一圈，把所有点都串起来，最后回到起点，还要保证总路程最短。

如果城市特别少，比方说 4 个城市，其实可以直接暴力： 把“访问城市的顺序”全部列出来，算每种顺序的总路程，取个最小值就完事了。

用程序来说就是枚举全排列。用 Python 写出来大概这样：

import itertools

deftsp_bruteforce(dist):
    n = len(dist)
    cities = range(1, n)  # 0 当出发城市
    best = float('inf')
    best_path = None

for perm in itertools.permutations(cities):
        path = (0,) + perm + (0,)
        total = 0
for i in range(len(path) - 1):
            total += dist[path[i]][path[i + 1]]
if total < best:
            best = total
            best_path = path

return best, best_path

这个思路超级直观，优点就是“能跑就行”，缺点也很明显：城市一多就爆炸。 原因是排列数是 n!，比如 10 个城市就已经是 3628800 种走法了，电脑也会嫌累。

所以面试里如果你只说暴力，面试官一般会继续追问一句：那城市多了怎么办？

这时候就轮到动态规划出场了。

动态规划这块，不要一上来就被状态吓住，其实核心就一句话：

“我关心的是：已经走过哪些城市、现在人在哪个城市、在这种前提下的最短路程。”

我们可以用一个二进制的整数 mask 来表示“走过哪些城市”。 举个例子，有 4 个城市 0,1,2,3： 如果 mask = 0b01101，就说明走过了 0、2、3（从右往左数 bit 位）。

然后搞一个二维数组 dp[mask][i]： 表示从起点 0 出发，走过 mask 里面这些城市，最后停在城市 i 的最短路程。

那转移怎么写呢？ 如果现在状态是 dp[mask][j]，想再去一个没去过的城市 k，那新状态就是：

new_mask = mask | (1 << k)dp[new_mask][k] = min(dp[new_mask][k], dp[mask][j] + dist[j][k])

最后所有城市都走完了，也就是 mask = (1 << n) - 1，再加上从终点回 0 的距离，取个最小值就行。

完整一点的 Python 代码：

deftsp_dp(dist):
    n = len(dist)
    ALL = 1 << n
    INF = float('inf')

# dp[mask][i] = 从 0 出发，走过 mask 中的点，最后停在 i 的最短路程
    dp = [[INF] * n for _ in range(ALL)]
    dp[1][0] = 0# 只走过城市 0，且停在 0

for mask in range(ALL):
for i in range(n):
if dp[mask][i] == INF:
continue
# 尝试去下一个没去过的城市 j
for j in range(n):
if mask & (1 << j):  # 已经去过就跳过
continue
                new_mask = mask | (1 << j)
                new_cost = dp[mask][i] + dist[i][j]
if new_cost < dp[new_mask][j]:
                    dp[new_mask][j] = new_cost

# 所有城市都走完以后，再回 0
    end_mask = ALL - 1
    ans = INF
for i in range(n):
if dp[end_mask][i] == INF:
continue
        ans = min(ans, dp[end_mask][i] + dist[i][0])

return ans

这个算法大概是 O(n^2 * 2^n) 的复杂度。 看着还是很吓人，不过和 n! 比起来，已经是大升级了，20 个城市左右还能勉强用一下。

实际项目里要是城市再多，比如上百个，就得上各种“近似算法”“贪心”“局部搜索”之类的，那就是工程优化的世界了，就不像这题这么干净了。我之前做数据库压测脚本的时候，还真用过类似的 bitmask DP 去枚举一堆组合，感觉那次算是把这个套路彻底用顺手了