P NP NPC

基本概念

优化问题: 构造一个解来最大化或最小化某个目标方程。
决策问题: 一个具有两个答案的问题。举例：哈密尔顿回路，一个给定的无向图是否存在哈密尔顿回路？

许多问题都同时包含这两个版本：
货郎担问题

优化问题: 给定加权的无向图，找一条具有最小权重和的哈密尔顿回路
决策问题: 给定一个加权无向图和整数K，问是否存在一条哈密尔顿回路的权重和不大于K

背包问题

假设我们有载重为W的背包和n个物品，物品的重量对应为w1,w2,…,wn, 价值对应为v1,v2,…,vn. 注：这些值均非负。

优化问题：将物品装入背包使得背包中物品价值和最大。

决策问题：对于给定K，是否存在装载方案使得总价值不小K。

P问题

P问题表示那些可以再多项式时间内解决的一类决策问题。

NP问题

非正式的说法：NP是那些当给定某个猜测的解时，可以在多项式问题内验证解的正确性的一类决策问题。

严格表述：可以由非确定新算法（Non-deterministic polynomial algorithms）解决的一类决策问题。

非确定性算法：一个给定决策问题I作为输入的两阶段过程

“猜测”阶段：产生一个可以作为问题I解的任意字串S

“验证”阶段：一个确定性算法将I和S作为输入，并在多项式时间内检查S是否是I的一个解。

举例：图着色问题

第一步：产生任意一个颜色串

第二步：检查将每个vi图颜色ci后是否是问题的一个解。

很容易看出P属于NP，但反过来目前还没有确定结论。

NPC问题

NP-completeness是用来描述NP决策问题中的最难的那部分问题。

严格定义NPC前先来看一个归约的定义：

如果存在一个转换函数t，它可以将D1的所有解转换为D2的对应解，并且满足：

1. 所有D1正确（yes）的解在D2中也都是正确的。反之也成立。

2. t的转换过程是多项式复杂度的。

这样我们称决策问题D1可以被多项式归约到决策问题D2。

NPC的严格定义

一个决策问题D是NPC如果:

1. D属于NP

2. 每个NP中的问题可以多项式规约到D。

第一个NPC问题

Cook’s theorem (1971): discover the first NP-complete problem, CNF-satisfiability problem.

如何说明一个问题是NPC

1. 证明这个问题是NP的

2. 证明某个已知的NPC问题可以多项式规约到此问题。

一些已知的NPC问题

1. Hamiltonian cycle

2. Travelling salesman

3. Knapsack

4. Bin packing

5. Graph coloring

6. Satisfiability(e.g. CNF SAT)