算法迭代优化之路，找出NP完全问题，避免出现NP完全问题。

                     **有这么一个“抽签”问题**

你的朋友提议一起玩个游戏，将写有数字的N个纸片放入口袋中，你可以从口袋中抽取四次纸片，每次记下纸片上数字后都将其再放回口袋。如果这4个数字的和是M,就算你赢了，否则就是你的朋友赢了。你挑战了好几次，结果一次都没有赢过，于是怒而撕破口袋，取出所有纸片，检查自己是否真的有赢的可能。请编写一个程序解决这个问题，如果存在则输出Yes，否则输出No.
限制条件
1 <= n <= 50
1 <= m <= 10**8
1 <= k <= 10**8
输入
n  = 3
m = 10
k = {1,3,5}
输出
yes因为例如抽取四次1、1、3、5和就是10
输入
n = 3
m = 9
k = {1,3,5}

输出
no（不存在和为9的抽取方案）

n = input()
m = input()
k = input()
def solve():
    flag = False
    for a in range(n):
        for b in range(n):
            for c in range(n):
                for d in range(n):
                    if k[a] + k[b] + k[c] + k[d] == m:
                        flag = True
    if flag:
        print("Yes")
    else:
        print("No")

solve()

我们考虑到上次如果n这个值无限增大，那么就很容易出现NP完全问题了。为了避免NP=P？出现，我们必须要优化自己的算法。
思路我们可以用二分搜索减少检索次数。
要记住所要查找的值m-ka-kb-kc为x，预先吧数组排序好，然后看K中间的数就可以了。可知
如果它比x小，x只能在它的后半段
如果它比x大，x只能在它的前半段

排序O(nlogn)时间
循环O(n3logn)时间
n3logn比logn大，我们这里合起来算O（n3longn）时间，于是，我们得到了抽签问题的在O(n3logn)时间内解决问题的算法。

n = input()
m = input()
k = input()
def binarySearch(x):
    left = 0
    right = len(k)-1
    while right - left >= 1:
        mid = (left + right) // 2
        if k[mid] == x:
            return True
        elif k[left] > x:
            left = mid + 1
        else:
            right = mid
    return False
def solve():
    sorted(k)
    flag = False
    for a in range(n):
        for b in range(n):
            for c in range(n):
                if binarySearch(m - k[a] - k[b] - k[c]):
                    flag = True
    if flag:
        print("Yes ")
    else:
        print("No")
        
solve()
    

那么我们可以优化到O(n**3logn）是不是这个工程问题的最优解呢，答案不是，我们仍然有更快速的解决方案。
假设我们有四个数，我们可以分成两两考虑的想象力，这也叫分而治之，在大禹治水时期，古人就能想到这个高明的方法来治水，我们今天可以拿来优化我们的算法。此外，像这样从复杂度较高的算法出发，不断降低复杂度知道满足问题要求的过程，也是设计算法必须经历的一个过程。
我们用分而治之这种思想来优化我们的算法
检查是否有c和d使得kc + kd = m-ka-kb

这种情况并不能直接使用二分搜索。但是，如果预先枚举出kc+kd所得n2个数字并排好序，便可利用二分搜索了。
该算法
排序O(n2logn)时间
循环O(n2logn)时间
总的也是O(n2logn)时间，这样可以确信即便n=1000000也能妥善应对了。

n = input()
m = input()
k = input()
def binarySearch(x):
    left = 0
    right = len(k)-1
    while right - left >= 1:
        mid = (left + right) // 2
        if k[mid] == x:
            return True
        elif k[left] > x:
            left = mid + 1
        else:
            right = mid
    return False
# 创建一个新列表，用来存放c和d的和。
kk = [0]*n*n
def solve():
    flag = False
    for c in range(n):
        for d in range(n):
            kk[c*n+d] = k[c] + k[d]
    sorted(kk)
    for a in range(n):
        for b in range(n):
            if binarySearch(m - k[a] - k[b]):
                flag = True
    if flag:
        print("Yes")
    else:
        print("No")
    
solve()