千禧年七大数学问题之——“NP=P”的猜想和NP类问题的解决方案

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

计算机算法中常会碰见一个很有意思的问题“NP=P”，时至今日，还没有哪位学者能够给出确定性的结论，但是计算复杂度理论的学者普遍认为NP≠P

我的解释和说明很通俗话，旨在大家都能看懂，因为看懂才能思考，所以没有什么专业名词，就算有也会做详尽的解释，希望大佬见谅！

---

“NP=P”是什么？

要知道“NP=P”是个什么问题，先要知道什么是“P类问题”，什么是“NP类问题”。
举个例子

P类问题

计算n个连续自然数的和，如果使用最直接而笨拙的方法，需要计算n-1次加法，那么可以认为这个算法的时间复杂度就是“n-1”，记作O(n-1)或者O(n)。之所以可以记作O(n)，是因为随着n的增大，1这个常数就忽略不计了。
例如：计算1，2，3，4的和
过程：

1+2=3；
3+3=6；
6+4=10；

一共4个数，计算了4-1次

如果是3到9的和，7个数就会计算7-1次
n个数就是n-1

又或者给你100个数，找到等于10的数，这个简单吧，算100遍就行了

NP类问题

如果要把n个不同的自然数排序，那么就需要对这些自然数的大小进行比较。我们也采用最笨拙的算法，也就是将每两个自然数都做一次比较，那么需要比较n(n-1)/2次，记作O(n²/2)
例如：对3，2，1，4排序
过程：

第一位和第二位比较 3>2 交换3和2位置 2,3,1,4
第一位和第三位比较 2>1 交换2和1位置 1,3,2,4
第一位和第四位比较 3<4 位置不变     1,3,2,4
第二位和第三位比较 3>2 交换3和2位置 1,2,3,4
到这里我们人肉眼可以看出来顺序对了，但计算机不认识，所以他还会继续比较，用我的话来说就是他还想确认下。。。
第二位和第四位比较 2<4 位置不变     1,2,3,4
第三位和第四位比较 3<4 位置不变     1,2,3,4

4个数，计算了6次
如果是3到9的连续自然数，打乱了顺序，7个数会计算多少次呢？
用公式算下就知道了，7x(7-1)=21,需要计算21次
还有很多很多NP，网上搜一下就知道了，我就不举例了

小结

小结一下，就是P类问题，n个待处理的数据，只需要n次就能处理完
NP类问题则是，有n个待处理数据，但以“目前”的算法，额，通俗点说是以"目前"的处理方式，不能在n次内处理完成，可能需要2n次，3n次，n*n次，甚至n^n次或者更多，注意，我叠的甲"目前"，如果未来这个问题解决了，能逆推因果，应该就能解决吧。

而证明NP=P，则表示，所有NP类问题，都有存在至少一个算法，能够n次就处理完成

更正式一些的说明：参考https://baike.baidu.com/item/NP/7470332?fr=aladdin
P表示为nk,假设w是我们的数据，C为计算方式，则n为次数即w数据的长度、个数，k为C计算方式一次的步数
NP中P为上面解释的意思，而N为算法的效率

思考

用反证法，仍然上面的排序问题举例
我简化点问题，给定n个不重复的乱序自然数，并且在他们排序后是从0开始的连续的自然数，请给这个乱序自然数排序。

我们可以这样处理，有个盒子，盒子中正好有n个格子，并且格子编号了序号，从0开始的连续自然数的序号。
那我们只需要每次取一个数放到对应的序号的格子中不就行了？（ ps，可能有算法基础的会说，既然这样直接打印从0到size-1的数就行了，如果自然数换成其他的实体呢。。。我先提前扛一下(^^_^) )
这P类问题

有意思的地方就在这儿，如果有100万个数据，你能不进行查找比较，直接放到对应的格子里吗？
比如，是我的话，放编号6666的数字，我会在100万格子的前面部分开始找，可能第一次找到5000的格子，那我再往后跳，又找到7000的格子，那再往前，以此类推，最终再定位到指定的格子。
把数字放到对应的格子也是P类问题
NP可以拆吗？

所以如果证明NP=P的话，就表示，有种算法，或者有种方式，能够每次一找，一放就能把数字放到指定的格子中。

所有的NP类问题的共性就是无论其是否能够在多项式时间复杂度内求解，至少我们知道如果随便给出一个可能的解，我们可以在多项式时间复杂度内验证其是否为所求的解。大量重复的计算，而我们计算机中就有这种处理大量重复的计算的硬件–gpu，并且ai也是基于gpu的并行计算实现，所以，在此基础上，我们是否可以引入一个新的变量，类似于gpu的并行计算方式，

解决方案

（ps：上面小结有解释说明P=nk）

定义并行计算组方法为D，使D等于w数据的个数，D=n，则每个D中变成了，给定一个答案，在多项式时间复杂度中求解，由于是D并行计算，则耗时为C的运行步数，则为k。此时C既是计算方式，也是P类问题,C=P
C的运行步数k也等于P的运行步数，k=P
可写作：NP=D( P)
D( P)=D(k)
NP=D(k)

NP类问题可以在P的nk中，k步内解

同理：P类问题也可以用并行计算处理
P=nk，
n=D,
P=D(k)

因为NP=D(k)同时P=D(k)
所以NP=P

同时NP=D(D(k))

解释：
一个计算方式进行计算是需要时间的，比如上面的排序，计算方式就是取一个数到盒子里，从零开始一个个比较，如果对了，就放进对应的盒子里，计算一次一个数放的位置的时间就是k，有几个数就放几次，是n，n * k 是一共需要的时间。用并行计算的方式，就是有很多人同时来处理所有的数字，同时拿数同时找位置同时放，所以不管有几个数都是同时进行，这里运行时间为1 * k一次代码所用的时间。这种处理方式我用D()表示括号里带入计算一次所需要的时间k，所以NP=D(k)
而我们说的P类问题也可以用并联的方式解决，比如把一个数放到对应盒子里，计算方式就是每个盒子比较一次，对就放进去，不对就不放,比较一次后放或不放所用的时间k，有几个格子就计算几次，也是n * k 一共所需要的时间，并行计算则，每个盒子安排个人看守，来了个数字同时比较，然后决定放或不放，同时进行所需时间则为1 * k ,所以P=D(k)

说明：我这仅仅是解决方案，因为NP问题原题中还有要求是可以由一个确定型图灵机（单核单线程）
并行计算则是多个确定型图灵机并行运行。
如果是按原要求的话，那我的计算方式好像也有点说法（^^_^）如果把里面的计算方式看成是一个C的话，则是个P类问题，如果里面还要拆的话，就是个时间复杂度(n*n)的lj算法了。。。

由上解决方案，由于D可以自定义，所以，当D=w.size/2时，Nnk=D(2k)，则2k的步数时间内解决NP问题

未来服务器可能就不止现在的架构，可能会有类似于gpu的能够支持大量并行运算的组件，或者支持大量并行的云计算，毕竟可以解决np问题以及ai都会用到。

but，此观点仅个人看法，希望更多人思考：

我在边写这篇文章的时候也在边思考，反思，我想到日常生活中很多孰能生巧的例子，有很多类似直觉的事情发生。可能就会有人能在一定范围类的数量级里，每次都能放到指定的格子中。所以我理性告诉我，可能np≠p，但感性中觉得np=p，可能钥匙就藏在类似的事物中。

---

最后

我比较希望 NP=P 证明成功的，毕竟科技要向前发展，而很多人担心安全问题，我们担心啥？世界不会因哪个人的担心而停转，有问题去解决，解决不了就先做个保底方案，至少怎么做才能损失降到最低，比白担心好吧。