P、NP、NP-Complete、NP-Hard问题

P问题

如果一个问题在多项式时间复杂度内能够解决，即求出正确答案，那么这个问题就是P问题

多项式时间复杂度是指O(1)、O(n)、O(nlogn)、O(n^2)、O(n^3)...O(n^a)等

指数复杂度O(a^n)和阶乘O(n!)复杂度属于非多项式时间复杂度

直观的理解，如果一个问题是多项式复杂度，则可以使用计算机很快求出来，如果是非多项式复杂度则随着数据规模增大，使用计算机都需要大量的时间，上年，几十年，甚至几百年更大

一般我们面向的问题都是P问题，包括简单的排序、查找，动态规划等问题

NP问题

对于一个问题，如果给定一个解法，在多项式时间复杂度内能够验证这个解法是否正确，那么这个问题就是NP问题

显然，验证一个解远比求出一个正确解所需要的时间要少。验证属于逆向思维，通过代入求解，只需求解一次，正向求解需要从条件本身出发一步一步求出最后结果

比如学习算法时经常有这样的练习题：找到一个数，这个数某几位和某几位经过一些运算法则，得的预期的结果。对于这样的问题，如果给定一个数，那么直接按照约定规则判定即可，可以一步到位，时间复杂度为O(1)，即为NP问题

P问题肯定属于NP问题，因为一个问题已经可以在多项式复杂度内解决，那么就一定可以在多项式复杂度内验证一个解；反之，NP问题则不一定是P问题，NP问题的定义范围要比P问题大，比如存在一种指数复杂度O(a^n)或阶乘O(n!)复杂度问题，它属于非多项式时间复杂度，在多项式时间内可以验证一个解，但无法求出正解，此时该问题是NP问题，但不是P问题

NP=P问题

相对解决P问题和NP问题，一个更具有挑战性的问题是能否将NP变为P问题，即NP=P，若能找到一种方法将NP问题变为P问题，将会大大地推动数学研究的进步，借助计算机，以前很多不可能的问题将会快速解决，极大解放生产力

数学家认为：解决NP=P问题的核心在于归约，即将一个问题A转换为求问题B，问题B又可转换为求问题C，依次下去，所有的NP问题最终都可以转换为一个最大的问题，只要证明这个最大的问题可以转换为P问题，问题就解决了

NPC（NP-Complete）问题

在研究NP=P的过程中，如果找到的这个最大的问题本身也是一个NP问题，那么这个问题就是NPC问题

NPH（NP-Hard）问题

在研究NP=P的过程中，如果找到的这个最大的问题不一定是NP问题（不一定在多项式复杂度内验证一个解是否正确），那么这个问题就是NPH问题

NPH问题是目前最难的问题，也就是目前的技术条件下，你无法在规定时间内求出它的正确解法，比如TPS旅行商问题（经典的排列组合），当城市数量规模较大时，组合数将是天文数字，根本就无法比较所有的可能方案，所以会有遗传算法、退火算法的等智能优化算法，其目的都是在有限的时间内找到较优解，即使你输出了一个解，但也无法证明它是最优的，因为你没有遍历所有的情况，只能说这个解是算法运行过程中产生的有限组合中的最优解法