NP (复杂度)
非决定性多项式集合（英语：non-deterministic polynomial，缩写：NP）是计算理论中最重要的集合之一，它包含P和NP-complete。
P问题是指在多项式时间内，可以找出解的决定性问题(decision problem)，而NP问题则包含可在多项式时间内验证其解是否正确，但不保证能在多项式时间内能找出解的决定性问题。NP包含P和NP-complete问题, 因此NP集合中有简单的问题和不容易快速得到解的难题。
“NP是否等于P”是电脑科学中知名的难题。
定义与推论 编辑
决定性问题 编辑
一个决定性问题(decision problem)是指其输出，只有“是”或“否”的问题。例如，搜索问题为询问 x 是否出现在一个集合 A 中?若有则输出“是”，否则输出“否”。
P问题 编辑
当一个决定性问题存在一个能在多项式时间内找出解的算法时，则称此问题落在P 的集合中。
有一些决定性问题，人类目前尚无法将他们归入集合 P 中。为了思考这些问题，于是在一般算法可采用的功能上，扩增以下虚构的新指令。这些新指令虽然不存在于现实中，但是对探讨这些难题的性质及彼此的关系，有很大的帮助。以下是这些虚构的新指令：
1. choice(S)：自集合 S 中，选出会导致正确解的一个元素。当集合 S 中无此元素时，则可任意选择一个元素。
2. failure()：代表失败结束。
3. success()：代表成功结束。
其中 choice(S)可以解释成，在求解的过程中，神奇地猜中集合 S 中其中一个元素，使其结果是成功的；并且这三个指令只需要 O(1)时间来执行。当然，choice(S) 是如何快速猜中的，在此是不需讨论的，因为毕竟它只是虚构的。在添加这些虚构功能后，所设计出的算法，被称为非决定性算法(non-deterministic algorithm)；相较之下，原来一般的算法，就称为决定性算法(deterministic algorithm)。利用非决定性算法，我们定义出另一个集合 NP。
NP问题 编辑
当一个决定性问题的解能在多项式时间内被验证时，则称此问题落在NP 的集合中。
满足问题 (satisfiability problem，简称 SAT)，就是一个NP中的典型问题。
满足问题(SAT) 编辑
令 x 1，x 2，…，x n 代表布尔变量(boolean variables)(其值非真(true)即假(false)的变量)。令-xi 代表 xi 的相反数(negation)。一个布尔公式是将一些布尔变量及其相反数利用而且(and)和或(or)所组成的表达式。满足问题是判断是否存在一种指定每个布尔变量真假值的方式，使得一个布尔公式为真。
输入:一个 n 个变量的布尔公式
例如: (-x 1∨ -x 2 ∨ x 3)∧ (x 1 ∨ x 4)∧(x 2 ∨ -x 1)
输出:是否存在一种指定每个布尔变量真假值的方式，使得此公式为真？ 例如: 是(当 x 1=真，x 2=真，x 3=真，x 4=真时，此公式为真)
利用满足问题可以定义出NP-hard和NP-complete。但是我们需要一个问题转换的概念。 问题转换技巧，其所需要转换的时间皆需在多项式时间(即 O (nk))内完成。利用此多项式时间的转换，我们可以将 NP中的难题建立起一些有趣的关系。
问题转换:针对两个问题 A 和 B ，如果存在一个 O (nk)时间的(决定性)算法，将每一个问题 A 的输入转换成问题 B 的输入，使得问题 A 有解时，当且仅当，问题 B 有解。此关系被称为，问题 A 转换成(reduce to)问题 B ，可表示成 A ∝ B 。
一个问题 L 被称为是 NP-hard，当且仅当，满足问题转换成 L(即满足问题∝L)。 满足问题是 NP 中的难题，而 NP-hard 的问题则是满足问题派生(转换)出来的。
一个问题 L 被称为是 NP-complete，当且仅当，L ∈NP 而且 L ∈NP-hard。
史蒂芬库克(Stephen Cook)证明了一个十分重要的性质：
性质(A)：“任一个 NP 内的问题都可以，在多项式时间内，被转换成满足问题。”
性质(B)：“任一个 NP 内的问题都可以，在多项式时间内，被转换成任一个 NP-complete 问题。”
性质(C)：“任一个 NP 内的问题都可以，在多项式时间内，被转换成任一个 NP-hard 问题。”
性质(D)：“满足问题在集合 P 中，当且仅当，P=NP。”
例子 编辑
比如说，一个决策性问题:输入一个整数x, 请回答x是否为偶数(even number)。我们利用一个程序判断x除以2是否整除即可得到最后结果 。此程序是决定性算法, 并且其时间复杂度为O(1)=O(n0), 因此此问题落入P集合中。
再举一个例子，下面是满足问题的一个非决定性算法。
Algorithm satisfiability (E (x 1, … , xn ))
{
Step 1: for i =1 to n do
xi ←choice (true, false) /*利用 choice 直接猜中 xi 的真假值*/
Step 2: if E (x 1, … , x n) is true then success () /*计算此布尔公式是否为真*/
else failure ();
}
上述的非决定性算法的时间复杂度为O(n1)即代表满足问题落入NP集合中。
参见 编辑
参考文献 编辑
引用 编辑
来源 编辑
- Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein. Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001. ISBN 0-262-03293-7. Section 34.2: Polynomial-time verification, pp. 979–983.
- Michael Sipser. Sections 7.3–7.5 (The Class NP, NP-completeness, Additional NP-complete Problems). Introduction to the Theory of Computation. PWS Publishing. 1997: pp. 241–271. ISBN 0-534-94728-X.
- David Harel, Yishai Feldman. Algorithmics: The Spirit of Computing, Addison-Wesley, Reading, MA, 3rd edition, 2004.
- 俞征武, 发现算法, 旗标出版股份有限公司, 2017.
外部链接 编辑
- Complexity Zoo: NP[失效链接]
- Graph of NP-complete Problems[失效链接]
- American Scientist primer on traditional and recent complexity theory research: "Accidental Algorithms"（页面存档备份，存于互联网档案馆）