梅州建设工程交易中心网站,重庆网站建设首选卓光,哪个公司网站设计好,零基础学前端要多久才能成手你会经常看到网上出现“这怎么做#xff0c;这不是NP问题吗”、“这个只有搜了#xff0c;这已经被证明是NP问题了”之类的话。你要知道#xff0c;大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念。NP问题并不是那种“只有搜才行”的问… 你会经常看到网上出现“这怎么做这不是NP问题吗”、“这个只有搜了这已经被证明是NP问题了”之类的话。你要知道大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念。NP问题并不是那种“只有搜才行”的问题NPC问题才是。好行了基本上这个误解已经被澄清了。下面的内容都是在讲什么是P问题什么是NP问题什么是NPC问题你如果不是很感兴趣就可以不看了。接下来你可以看到把NP问题当成是 NPC问题是一个多大的错误。 还是先用几句话简单说明一下时间复杂度。时间复杂度并不是表示一个程序解决问题需要花多少时间而是当问题规模扩大后程序需要的时间长度增长得有多快。也就是说对于高速处理数据的计算机来说处理某一个特定数据的效率不能衡量一个程序的好坏而应该看当这个数据的规模变大到数百倍后程序运行时间是否还是一样或者也跟着慢了数百倍或者变慢了数万倍。不管数据有多大程序处理花的时间始终是那么多的我们就说这个程序很好具有O(1)的时间复杂度也称常数级复杂度数据规模变得有多大花的时间也跟着变得有多长这个程序的时间复杂度就是O(n)比如找n个数中的最大值而像冒泡排序、插入排序等数据扩大2倍时间变慢4倍的属于O(n^2)的复杂度。还有一些穷举类的算法所需时间长度成几何阶数上涨这就是O(a^n)的指数级复杂度甚至O(n!)的阶乘级复杂度。不会存在O(2*n^2)的复杂度因为前面的那个“2”是系数根本不会影响到整个程序的时间增长。同样地O (n^3n^2)的复杂度也就是O(n^3)的复杂度。因此我们会说一个O(0.01*n^3)的程序的效率比O(100*n^2)的效率低尽管在n很小的时候前者优于后者但后者时间随数据规模增长得慢最终O(n^3)的复杂度将远远超过O(n^2)。我们也说O(n^100)的复杂度小于O(1.01^n)的复杂度。
容易看出前面的几类复杂度被分为两种级别其中后者的复杂度无论如何都远远大于前者一种是O(1),O(log(n)),O(n^a)等我们把它叫做多项式级的复杂度因为它的规模n出现在底数的位置另一种是O(a^n)和O(n!)型复杂度它是非多项式级的其复杂度计算机往往不能承受。当我们在解决一个问题时我们选择的算法通常都需要是多项式级的复杂度非多项式级的复杂度需要的时间太多往往会超时除非是数据规模非常小。
自然地人们会想到一个问题会不会所有的问题都可以找到复杂度为多项式级的算法呢很遗憾答案是否定的。有些问题甚至根本不可能找到一个正确的算法来这称之为“不可解问题”(Undecidable Decision Problem)。The Halting Problem就是一个著名的不可解问题在我的Blog上有过专门的介绍和证明。再比如输出从1到n这n个数的全排列。不管你用什么方法你的复杂度都是阶乘级因为你总得用阶乘级的时间打印出结果来。有人说这样的“问题”不是一个“正规”的问题正规的问题是让程序解决一个问题输出一个“YES”或“NO”这被称为判定性问题或者一个什么什么的最优值这被称为最优化问题。那么根据这个定义我也能举出一个不大可能会有多项式级算法的问题来Hamilton回路。问题是这样的给你一个图问你能否找到一条经过每个顶点一次且恰好一次不遗漏也不重复最后又走回来的路满足这个条件的路径叫做Hamilton回路。这个问题现在还没有找到多项式级的算法。事实上这个问题就是我们后面要说的NPC问题。
下面引入P类问题的概念如果一个问题可以找到一个能在多项式的时间里解决它的算法那么这个问题就属于P问题。P是英文单词多项式的第一个字母。哪些问题是P类问题呢通常NOI和NOIP不会出不属于P类问题的题目。我们常见到的一些信息奥赛的题目都是P问题。道理很简单一个用穷举换来的非多项式级时间的超时程序不会涵盖任何有价值的算法。
接下来引入NP问题的概念。这个就有点难理解了或者说容易理解错误。在这里强调回到我竭力想澄清的误区上NP问题不是非P类问题。NP问题是指可以在多项式的时间里验证一个解的问题。NP问题的另一个定义是可以在多项式的时间里猜出一个解的问题。比方说我RP很好在程序中需要枚举时我可以一猜一个准。现在某人拿到了一个求最短路径的问题问从起点到终点是否有一条小于100个单位长度的路线。它根据数据画好了图但怎么也算不出来于是来问我你看怎么选条路走得最少我说我RP很好肯定能随便给你指条很短的路出来。然后我就胡乱画了几条线说就这条吧。那人按我指的这条把权值加起来一看嘿神了路径长度98比100小。于是答案出来了存在比100小的路径。别人会问他这题怎么做出来的他就可以说因为我找到了一个比100 小的解。在这个题中找一个解很困难但验证一个解很容易。验证一个解只需要O(n)的时间复杂度也就是说我可以花O(n)的时间把我猜的路径的长度加出来。那么只要我RP好猜得准我一定能在多项式的时间里解决这个问题。我猜到的方案总是最优的不满足题意的方案也不会来骗我去选它。这就是NP问题。当然有不是NP问题的问题即你猜到了解但是没用因为你不能在多项式的时间里去验证它。下面我要举的例子是一个经典的例子它指出了一个目前还没有办法在多项式的时间里验证一个解的问题。很显然前面所说的Hamilton回路是NP问题因为验证一条路是否恰好经过了每一个顶点非常容易。但我要把问题换成这样试问一个图中是否不存在Hamilton回路。这样问题就没法在多项式的时间里进行验证了因为除非你试过所有的路否则你不敢断定它“没有Hamilton回路”。
之所以要定义NP问题是因为通常只有NP问题才可能找到多项式的算法。我们不会指望一个连多项式地验证一个解都不行的问题存在一个解决它的多项式级的算法。相信读者很快明白信息学中的号称最困难的问题——“NP问题”实际上是在探讨NP问题与P类问题的关系。
很显然所有的P类问题都是NP问题。也就是说能多项式地解决一个问题必然能多项式地验证一个问题的解——既然正解都出来了验证任意给定的解也只需要比较一下就可以了。关键是人们想知道是否所有的NP问题都是P类问题。我们可以再用集合的观点来说明。如果把所有P类问题归为一个集合P中把所有 NP问题划进另一个集合NP中那么显然有P属于NP。现在所有对NP问题的研究都集中在一个问题上即究竟是否有PNP通常所谓的“NP问题”其实就一句话证明或推翻PNP。
NP问题一直都是信息学的巅峰。巅峰意即很引人注目但难以解决。在信息学研究中这是一个耗费了很多时间和精力也没有解决的终极问题好比物理学中的大统一和数学中的歌德巴赫猜想等。目前为止这个问题还“啃不动”。但是一个总的趋势、一个大方向是有的。人们普遍认为PNP不成立也就是说多数人相信存在至少一个不可能有多项式级复杂度的算法的NP问题。人们如此坚信P≠NP是有原因的就是在研究NP问题的过程中找出了一类非常特殊的NP问题叫做NP-完全问题也即所谓的 NPC问题。C是英文单词“完全”的第一个字母。正是NPC问题的存在使人们相信P≠NP。下文将花大量篇幅介绍NPC问题你从中可以体会到NPC问题使PNP变得多么不可思议。
为了说明NPC问题我们先引入一个概念——约化(Reducibility有的资料上叫“归约”)。
简单地说一个问题A可以约化为问题B的含义即是可以用问题B的解法解决问题A或者说问题A可以“变成”问题B。《算法导论》上举了这么一个例子。比如说现在有两个问题求解一个一元一次方程和求解一个一元二次方程。那么我们说前者可以约化为后者意即知道如何解一个一元二次方程那么一定能解出一元一次方程。我们可以写出两个程序分别对应两个问题那么我们能找到一个“规则”按照这个规则把解一元一次方程程序的输入数据变一下用在解一元二次方程的程序上两个程序总能得到一样的结果。这个规则即是两个方程的对应项系数不变一元二次方程的二次项系数为0。按照这个规则把前一个问题转换成后一个问题两个问题就等价了。同样地我们可以说Hamilton回路可以约化为TSP问题(Travelling Salesman Problem旅行商问题)在Hamilton回路问题中两点相连即这两点距离为0两点不直接相连则令其距离为1于是问题转化为在TSP问题中是否存在一条长为0的路径。Hamilton回路存在当且仅当TSP问题中存在长为0的回路。
“问题A可约化为问题B”有一个重要的直观意义B的时间复杂度高于或者等于A的时间复杂度。也就是说问题A不比问题B难。这很容易理解。既然问题A能用问题B来解决倘若B的时间复杂度比A的时间复杂度还低了那A的算法就可以改进为B的算法两者的时间复杂度还是相同。正如解一元二次方程比解一元一次方程难因为解决前者的方法可以用来解决后者。
很显然约化具有一项重要的性质约化具有传递性。如果问题A可约化为问题B问题B可约化为问题C则问题A一定可约化为问题C。这个道理非常简单就不必阐述了。
现在再来说一下约化的标准概念就不难理解了如果能找到这样一个变化法则对任意一个程序A的输入都能按这个法则变换成程序B的输入使两程序的输出相同那么我们说问题A可约化为问题B。
当然我们所说的“可约化”是指的可“多项式地”约化(Polynomial-time Reducible)即变换输入的方法是能在多项式的时间里完成的。约化的过程只有用多项式的时间完成才有意义。
好了从约化的定义中我们看到一个问题约化为另一个问题时间复杂度增加了问题的应用范围也增大了。通过对某些问题的不断约化我们能够不断寻找复杂度更高但应用范围更广的算法来代替复杂度虽然低但只能用于很小的一类问题的算法。再回想前面讲的P和NP问题联想起约化的传递性自然地我们会想问如果不断地约化上去不断找到能“通吃”若干小NP问题的一个稍复杂的大NP问题那么最后是否有可能找到一个时间复杂度最高并且能“通吃”所有的 NP问题的这样一个超级NP问题答案居然是肯定的。也就是说存在这样一个NP问题所有的NP问题都可以约化成它。换句话说只要解决了这个问题那么所有的NP问题都解决了。这种问题的存在难以置信并且更加不可思议的是这种问题不只一个它有很多个它是一类问题。这一类问题就是传说中的NPC 问题也就是NP-完全问题。NPC问题的出现使整个NP问题的研究得到了飞跃式的发展。我们有理由相信NPC问题是最复杂的问题。再次回到全文开头我们可以看到人们想表达一个问题不存在多项式的高效算法时应该说它“属于NPC问题”。此时我的目的终于达到了我已经把NP问题和NPC问题区别开了。到此为止本文已经写了近5000字了我佩服你还能看到这里来同时也佩服一下自己能写到这里来。
NPC问题的定义非常简单。同时满足下面两个条件的问题就是NPC问题。首先它得是一个NP问题然后所有的NP问题都可以约化到它。证明一个问题是 NPC问题也很简单。先证明它至少是一个NP问题再证明其中一个已知的NPC问题能约化到它由约化的传递性则NPC问题定义的第二条也得以满足至于第一个NPC问题是怎么来的下文将介绍这样就可以说它是NPC问题了。
既然所有的NP问题都能约化成NPC问题那么只要任意一个NPC问题找到了一个多项式的算法那么所有的NP问题都能用这个算法解决了NP也就等于P 了。因此给NPC找一个多项式算法太不可思议了。因此前文才说“正是NPC问题的存在使人们相信P≠NP”。我们可以就此直观地理解NPC问题目前没有多项式的有效算法只能用指数级甚至阶乘级复杂度的搜索。
顺便讲一下NP-Hard问题。NP-Hard问题是这样一种问题它满足NPC问题定义的第二条但不一定要满足第一条就是说NP-Hard问题要比 NPC问题的范围广。NP-Hard问题同样难以找到多项式的算法但它不列入我们的研究范围因为它不一定是NP问题。即使NPC问题发现了多项式级的算法NP-Hard问题有可能仍然无法得到多项式级的算法。事实上由于NP-Hard放宽了限定条件它将有可能比所有的NPC问题的时间复杂度更高从而更难以解决。
不要以为NPC问题是一纸空谈。NPC问题是存在的。
逻辑电路问题属于NPC问题。这是有严格证明的。它显然属于NP问题并且可以直接证明所有的NP问题都可以约化到它不要以为NP问题有无穷多个将给证明造成不可逾越的困难。证明过程相当复杂其大概意思是说任意一个NP问题的输入和输出都可以转换成逻辑电路的输入和输出想想计算机内部也不过是一些 0和1的运算因此对于一个NP问题来说问题转化为了求出满足结果为True的一个输入即一个可行解。
有了第一个NPC问题后一大堆NPC问题就出现了因为再证明一个新的NPC问题只需要将一个已知的NPC问题约化到它就行了。后来Hamilton 回路成了NPC问题TSP问题也成了NPC问题。现在被证明是NPC问题的有很多任何一个找到了多项式算法的话所有的NP问题都可以完美解决了。因此说正是因为NPC问题的存在PNP变得难以置信。PNP问题还有许多有趣的东西有待大家自己进一步的挖掘。攀登这个信息学的巅峰是我们这一代的终极目标。现在我们需要做的至少是不要把概念弄混淆了。
