برای حل این سوال از ‎backtrack‎ استفاده می‌کنیم. ‎$n$‎ در این سوال در بیش‌ترین حالت ‎$۸$‎ است،‌ پس ‎$n$‎ کوچک است اما واضح است که complete search جواب نمی‌دهد و از محدوده زمانی خارج است. بدین منظور باید ‎backtrack‎ خود را بهینه optimize )‎ )کنیم. نکته کلیدی در حل این سؤال این است که امتیاز هر تیم را در اختیار داریم و اگر تعداد بردهای یک نفر را ‎$w$‎ و مساوی‌ها را ‎$d$‎ بگیریم می‌دانیم که (امتیاز آن تیم برابر ‎$3w‎ + ‎d$‎ است) و‌ می‌دانیم که مجموع بازی‌های آن تیم ‎$n-1$‎ است یعنی ‎$w‎ + ‎d \leq n-1$‎ است و ‎$w$ و $d$‎ هر کدام یک عدد صحیح نامنفی هستند. به ازای ‎$n = ۸$‎ تعداد کل حالات برای یک تیم (منظور از حالات، تعداد بردها،‌تساوی‌ها و باخت‌هاست) که در ‎$2$‎ معادله بالا صدق کند حداکثر ‎$3$‎ حالت است. پس ابتدا برای هر تیم این حالات را به‌دست آورده و بر حسب این تعداد،‌ از تیمی که کم‌ترین حالت را دارد.

backtrack‎ خود را شروع می‌کنیم. به ازای تیم ‎$i$‎ که هم‌اکنون در ‎backtrack‎ بررسی می کنیم، کافیست از بین تیم‌هایی که هنوز وضعیتشان معلوم نشده (یعنی در ‎backtrack به آن نرسیدیم)‌ مقداری را برای بردن تیم ‎$i$‎ از آن‌ها،‌ مقداری را برای تساوی با تیم ‎$i$ (و باقی باخت تیم ‎$i$‎ به آنها)‌ انتخاب کنیم به طوری که تعداد بردها و تساوی‌های ‎$i$‎ و در نتیجه امتیاز ‎i‎ درست شود. ایده مهم دیگر برای بهینه‌سازی این است که اگر در جایی از ‎backtrack‎ تیمی وجود داشت که امتیاز هم اکنونش از امتیاز نهایی آن تیم بیشتر بود یا تیمی وجود داشت که به هر ترتیبی بازی‌های باقی‌مانده (که هنوز آن‌ها را مشخص نکردیم) را انجام دهد باز هم نمی‌تواند امتیاز مطلوب را به‌دست آورد،‌ دیگر آن شاخه از ‎backtrack‎ را انجام نداده و برمی‌گردیم. در اصطلاح به این کار ‎bound‎ می‌گویند. نکته‌ای که باید به آن توجه کرد این است که هر چه قدر در هنگام ‎bound‎ کردن زمان بگذاریم در ‎backtrack‎ مسیر کم‌تری طی می‌کنیم ولی زمانی که در هنگام ‎bound‎ کردن هم مصرف می‌کنیم باعث می‌شود تا زمان کل برنامه زیاد شود. در واقع یک ‎trade-off‎ بین این دو است که با نوشتن برنامه و اجرا و تست آن به ازای ورودی‌های مختلف به بهینه‌سازی خوبی دست پیدا کنید.