计算复杂度：P、NP、NP 完备

时间复杂度是算法的特性，而不是问题的特性。因为一个问题可以用两种以上的算法进行解答，且各自的时间复杂度也不相同。计算机理论科学的计算复杂度理论就是属于这一类的学科。

• P 指的是用计算机能很快求解的问题；
• NP 指的是我们想找到最优解的问题；

1. 问题的特性

计算复杂度理论研究的是问题的特性

计算复杂度理论是学习各类问题特性的一门学科，先来比较如下两个问题：

• 排序问题：对给定的 $N$ 个整数进行排序，答案是什么？
• 子集和（subset sum）的问题：$N$ 个数中挑选几个数，能否使其和为 $S$？

能否直接判断两个问题孰难孰易？此处的“难”并不是指解题的难度（对人而言，而是对计算机而言）。计算复杂性理论中，问题的难度指的是当前问题是存在快速解题算法。

通常认为，有快速解题算法的问题计算起来比较容易，反之，计算起来比较难。

快速算法的标准是什么呢？一般把多项式时间算法或比它更快的算法称为“快速算法”。（快速其实是定量的，不只是简单地你说它比其他的快，它就快，最后都要落实到计算机的执行）。

计算复杂度理论中存在着多项式时间算法的问题合称为“P 问题”（Polynomial）。

例如，排序问题有无数个多项式算法，因此排序问题是 P 问题。像 P 问题 这种把具有相同特性的问题聚集到一起的集合就是“计算复杂度类（complexity class）”

计算复杂度类：

• P 问题（Polynomial Problem），已找到多项式时间的快速算法的问题构成的集合；
  
  • $n^{O(1)}$
  • NP 问题（Non-Polynomial ），NP 问题是可在多项式时间内验证已确定答案的问题。；
    
    • 问题的解可在多项式时间内得以验证（checked）的问题构成的集合；
  • 所有 P 问题都包含于 NP 问题的集合

  • 证明一个问题能在多项式时间内完成比较容易，但不能解是十分困难的。就像经常谈论的 UFO，要证明它的存在，只需获取一架 UFO 即可，但要证明它的不存在，最笨的方法自然是遍历整个宇宙空间。

    比如子集和（subset sum）的问题，目前尚未发现解出子集和的多项式时间算法，但也不能证明这种算法就不存在。

    2. 所谓难度

    计算复杂度理论使用规约（reduction）方法比较两个问题的难度。约简是把一个问题转换成另一个问题进行解答的方法。假如有一个约简算法能把 B 的输入值适当地变换成 A 的输入值，那么利用解 A 题的最快算法和约简算法就能编写解 B 更难的问题。