NP问题概述

最新推荐文章于 2023-10-27 13:44:29 发布
最新推荐文章于 2023-10-27 13:44:29 发布
阅读量3.3k 收藏 14
点赞数 4
分类专栏： 杂记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mxr2026588745/article/details/107221270
版权

在计算机领域，一般可以将问题分为可解问题和不可解问题。不可解问题也可以分为两类：一类如停机问题，的确无解；另一类虽然有解，但时间复杂度很高,计算机往往不能承受。可解问题也分为多项式问题(Polynomial Problem，P问题)和非确定性多项式问题(Nondeterministic Polynomial Problem，NP问题)。

P问题：Polynomial-time问题，可以在多项式时间内用算法进行求解的问题。

NP问题：非确定性多项式时间（nondeterministic polynomial-time）问题，所谓的非确定性是指，可用一定数量的运算去解决多项式时间内可解决的问题，不确定是否存在多项式时间求解算法。可以在多项式时间内验证一个猜测解的正确性。

不可判定问题(undecidable problem)："不可能“解出的问题。

NPC(NP Complete)NP完全问题：NP问题中最困难的问题

每一个NPC问题都可以在多项式时间内转化成任何一个NP问题，如果一个NPC问题存在多项式时间算法，那么所有NP问题都可以在多项式时间内求解，即P=NP成立。只要任意一个NPC问题找到了一个多项式算法，那么所有NP问题都能用这个算法解决，也就解决了NP=P问题。但是给NPC找一个多项式算法太不可想象了，而且也从未成功，因此科学家认为，正是NPC问题的存在，使得人们相信P=NP。

NPC问题目前没有多项式算法，只能用穷举法逐个检验，最终得到答案。但是穷举法的计算时间随问题的复杂程度呈指数增长，很快问题就会变得不可计算了。

围棋或象棋的博弈问题、国际象棋的n皇后问题、密码学中的大素数分解问题等，都属于NPC类问题。

多项式时间：

知乎里面看到的一个比较容易理解的解释如下：

简言之：

对于时间复杂度一种是O(1),O(log(n)),O(n^a)等，因为它的规模n出现在底数的位置，称为多项式级的复杂度；O(a^n)和O(n!)型复杂度，它是非多项式级的，其复杂度计算机往往不能承受。

 

（以后遇到其他的再进行补充）

 

参考：https://www.zhihu.com/question/24653072

 

MXRSX
关注
  • 4
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
非多项式时间复杂度及NP问题
jideljd_2010的专栏
11-06 4540
O(a^n)和O(n!)型复杂度，它是非多项式级的。与非多项式时间复杂度相关的问题叫：非确定性多项式(non-deterministic polynomial  NP)   NP: 不能在多项式时间内解决或不确定能不能在多项式时间内解决，但能在多项式时间验证的问题,P问题是NP问题的一个子类   NPC:非确定性多项式完全问题则是一类目前大家认为没有多项式算法去解决的问题，是NP问题中
NP问题总结
Tizzi的博客
04-10 3117
一、定义 P类：包含的是在多项式时间内可以解决的问题。更具体一点，它们都是一些可以在O(nk)O(n^k)O(nk)时间内求解的问题，此处k为常数，n为问题的输入规模。 NP类：包含的是在多项式时间内**”可验证“的问题。此处是指某一解决方案能够在多项式时间内验证**是正确的。 P中的任何问题都是属于NP的，因为都可以在多项式时间验证，即 P⊆NPP \subseteq NPP⊆NP, 而P是否是NP的一个真子集，目前是一个不可知的问题。 NPC类：若一个问题属于NP，且与NP中的任何问题都是一样
NP系列问题详解
12-06 7214
​时间复杂度 什么是NP问题？这个是我之前比较纠结的一个问题，一直没有搞清楚它的来龙去脉。直到看了《数学之美》附录中的介绍才清楚。要清楚地了解这个问题，得从怎么衡量计算量这个问题开始。现在基本每个学习计算机相关学科的同学都知道，衡量一个算法的计算量是用时间复杂度。现在看起来理所当然的事情，在计算机科学发展初期却是个大问题，因为没有衡量算法的标准，不同算法无法比较优劣。自从有了时间复杂度后，算法优劣可以很方便地衡量，也就鼓励学者们找出更多更好的算法，好的算法也可以得到最有效的利用。提出时间复杂度的学者也..
怎么理解 P 问题和 NP 问题？
wjk7186912的专栏
10-04 1348
最简单的解释： P：算起来很快的问题 NP：算起来不一定快，但对于任何答案我们都可以快速的验证这个答案对不对 NP-hard：比所有的NP问题都难的问题 NP-complete：满足两点： 1. 是NP hard的问题 2. 是NP问题 接下来是比较严谨的定义： 问题：对于一个包含由0和1组成的字符串集合S，以某个01字符串x作为输入，要求某个图灵机判断x在不在S里面。这里的图
NP问题NP-complete & NP-hard的概念与解释
最新发布
ASS-ASH的博客
10-27 1273
根据库克定理，任意一个NP完全问题如果能够在多项式时间内解决，则所有的NP问题都能在多项式时间内解决。P问题是NP问题的子集，也就是说任何可以被图灵机在多项式时间内解决的问题都可以被非确定性的图灵机解决，NP问题至今没有找到多项式时间算法解。而NP-Hard只需要具备NP-Complete的第二个性质，因此NP-Complete是NP-Hard的子集。（Polynomial time）在计算复杂度理论中，指的是一个问题的计算时间m(n)不大于问题大小n的。倍数，即m(n) = O(n)。
到底什么是NP问题，NP hard问题，NP完全问题？
勤奋的懒猫的博客
12-07 1万+
网上胡写的太多了。 时间复杂度 时间复杂度并不是表示一个程序解决问题需要花多少时间，而是当问题规模扩大后，程序需要的时间长度增长得有多快。也就是说，对于高速处理数据的计算机来说，处理某一个特定数据的效率不能衡量一个程序的好坏，而应该看当这个数据的规模变大到数百倍后，程序运行时间是否还是一样，或者也跟着慢了数百倍，或者变慢了数万倍。 不管数据有多大，程序处理花的时间始终是那么多的，我们就说这个程序很好，具有O(1)O(1)O(1)的时间复杂度，也称常数级复杂度；数据规模变得有多大，花的时间也跟着变得有多长，这
NP完全问题概述（纯理论）
12-30
NP完全问题的概述，包括P类、NP类、CNP类问题的介绍。
P vs NP - 问题概述
12-13
这个问题，作为理论计算机科学的核心问题，其声名早已经超越了这个领域。它是Clay研究所的七个百万美元大奖问题之一，在2006国际数学家大会上，它是某个1小时讲座的主题。
旅行商问题概述
10-15
旅行商问题概述 旅行商问题（Traveling Salesman Problem，简称 TSP）是一个著名的组合优化问题。它是指给定 n 个城市，有一个旅行商从某一城市出发，访问每个城市各一次后再回到原出发城市，要求找出的巡回路径...
np-lab
03-29
"NP实验室"是一个可能与计算机科学中的复杂性理论相关的项目，尤其关注NP完全问题。在计算机科学中，NP（非确定性多项式时间）是指一类问题，这些问题的解可以通过非确定性图灵机在多项式时间内进行验证。而NP完全...
NP:进程
03-19
在IT领域，"NP"通常指的是“非确定性多项式时间”(Nondeterministic Polynomial time)，这是一个理论计算机科学的概念，用于描述一类复杂的问题。然而，根据提供的标题和描述，这里的"NP"可能是指某个特定的项目或者...
何为：“P类问题，NP问题，NP难问题？”
FightingCSH的博客
12-22 1218
1. P类问题中的P是指什么？ P：polynominal，多项式。 所以P类问题就是存在多项式时间复杂度的问题。例如冒泡排序，其时间复杂度为O(n^2)，我们可以称其为拥有多项式时间复杂度的问题，即P类问题。 2.NP问题中的NP是指代什么： NP：Nondeterministic polynominal，非确定性多项式。 所以NP问题就是能在多项式时间内被解决的问题。 3.NP难问题就显而易见了，无法在多项式时间内被解决的问题，就称之为NP难问题。 NP难问题也是我们在最优化问题中，最不想
什么是NP问题
小熊不去实验室
10-24 6842
概念: 在计算机学科中，存在多项式时间的算法的一类问题，称之为P类问题；而像梵塔问题、推销员旅行问题、（命题表达式）可满足问题这类，至今没有找到多项式时间算法解的一类问题，称之为NP类问题 　 拿推销员旅行问题为例，假设推销员亨利有向6个城市推销公司产品的任务，并规定了一个旅行预算。他手中有一张航班票价表，他要从A城开始走遍图中的6个城市后返回A城，并且不超出预算，请你帮他找出应走的路线。如
[总结]算法中的P问题、NP问题、NP完全问题和NP难问题
热门推荐
databatman的工厂
10-21 6万+
啊啊
NP问题、NP难问题(NPH)和NP完全问题(NPC)理解
Blateyang的博客
10-28 2万+
看算法的时候经常会碰到NP问题、NP难问题(NPH)和NP完全问题(NPC)等术语，每次碰到的时候都似懂非懂，这次专门在网上搜了一些资料看，做一下记录，权当加深印象。 NP是指Non-deterministic Polynomial-time，即非确定性多项式时间。与NP相关的总共有四类问题，是计算复杂度理论中研究的主要内容之一。
P、NP、NP完全问题、NP难问题
T_T233333333的博客
09-02 3945
可以在多项式时间内求解的问题称为易解的，而不能在多项式时间内求解的问题称为难解的。 P类问题：多项式类型，是一类能够用（确定性的）算法在多项式的时间内求解的判定问题。 只有判定问题才属于P 不可判定问题：某些判定问题是不能用任何算法求解的，则称这种判定问题为不可判定问题。否则就称作可判定问题。 例如：Halting problem(停机问题)：给定一段计算机程序和他的一个输入，判断该程序对于该输入是会中止还是会无限的运行。 证明停机问题是不可判定问题：反证法，通过构造一个输出和解决停机问题的算法的输出相反的
确定性多项式时间
sunyang8901562的专栏
12-11 4015
确定性多项式时间内能够解决的问题，解决某一类问题，如果肯定有一个上限，而且上限可以表示成一个确定性多项式的形式，当然无所谓说确定性多项式时间到底n的次数是多大了，只要不是随着n呈现指数增长，那就是确定性多项式的问题，也就是一个p问题，如果不存在一个解决问题的多项式时间，那么就是一个np问题。 确定性指的是如果对于两次解决同一个问题，得到的答案是相同的，那么就叫做确定性。否则叫做概率性。 确定性
多项式时间 P问题NP问题
闲逸的炫鹰
10-25 2万+
首先需要介绍P(Polynomial,多项式)问题.P问题是可以在多项式时间内被确定机(通常意义的计算机)解决的问题.NP(Non-Deterministic Polynomial, 非确定多项式)问题,是指可以在多项式时间内被非确定机(他可以猜,他总是能猜到最能满足你需要的那种选择,如果你让他解决n皇后问题,他只要猜n次就能完成----每次都是那么幸运)解决的问题.这里有一个著名的问题----千...
NP-hard非确定性多项式
qq_44851329的博客
05-12 863
其中，NP是指非确定性多项式（non-deterministic polynomial，缩写NP）。所谓的非确定性是指，可用一定数量的运算去解决多项式时间内可解决的问题。 例如，著名的推销员旅行问题（Travel Saleman Problem or TSP）：假设一个推销员需要从香港出发，经过广州，北京，上海，…，等 n 个城市， 最后返回香港。 任意两个城市之间都有飞机直达，但票价不等。假设公司只给报销 C 元钱，问是否存在一个行程安排，使得他能遍历所有城市，而且总的路费小于 C？ 推销员旅行问题显然是
利用分支限界算法解决0-1背包问题，用 C语言实现。并概述解题思路
06-06
分支限界算法是一种用于解决优化问题的算法，它通过枚举问题的所有可能解并依次计算它们的代价或价值，来找到最优解或次优解。对于0-1背包问题，我们可以使用分支限界算法来求解。 0-1背包问题是指有n个物品和一个容量为c的背包，每个物品有重量w和价值v，要求在不超过背包容量的情况下，选择一些物品放入背包中，使得背包内的物品总价值最大。这是一个NP完全问题，因此我们需要使用一些优化算法来解决。 分支限界算法的思路如下：首先将所有物品按照单位重量的价值从大到小排序，然后从第一个物品开始，计算选择该物品和不选择该物品两种情况下的背包内物品总价值上界，取其中较大的作为当前节点的上界。然后将当前节点拆分成两个子节点，分别代表选择该物品和不选择该物品两种情况。对于每个子节点，重复上述步骤，计算上界并拆分成更多的子节点。直到所有子节点都无法产生更优的解为止，此时最优解即为最大上界对应的方案。 下面是C语言实现0-1背包问题的分支限界算法的示例代码： ```c #include <stdio.h> #include <stdlib.h> #define N 100 typedef struct node{ int level; // 当前节点所在的层数 int weight; // 背包中物品的总重量 int value; // 背包中物品的总价值 float bound; // 当前节点的上界 } Node; typedef struct heap{ Node data[N]; // 存储节点的数组 int size; // 堆的大小 } Heap; int w[N], v[N], x[N]; // w为每个物品的重量，v为每个物品的价值，x为每个物品是否被选择 int n, c; // n为物品的数量，c为背包的容量 // 计算当前节点的上界 float upper_bound(Node node) { if (node.weight >= c) // 如果当前节点的背包已经超出容量，则上界为0 return 0.0; float bound = node.value; // 当前节点背包中的物品总价值 int i = node.level; // 从当前节点开始枚举物品 int left_weight = c - node.weight; // 剩余的背包容量 while (i < n && left_weight > 0) { if (w[i] <= left_weight) { // 如果背包还可以放下当前物品 bound += v[i]; // 加上当前物品的价值 left_weight -= w[i]; // 更新剩余的背包容量 } else { // 如果背包放不下当前物品 bound += v[i] * (float) left_weight / w[i]; // 加上当前物品部分的价值 break; } i++; // 继续枚举下一个物品 } return bound; } // 将一个节点插入堆中 void insert(Heap* h, Node node) { if (h->size == N) { // 如果堆已满，则无法插入节点 printf("Heap is full\n"); return; } h->size++; int i = h->size; while (i > 1 && node.bound > h->data[i / 2].bound) { // 将节点插入堆中并保持堆的性质 h->data[i] = h->data[i / 2]; i /= 2; } h->data[i] = node; } // 从堆中删除一个节点 Node delete(Heap* h) { Node root = h->data[1]; h->data[1] = h->data[h->size]; h->size--; int i = 1; while (i * 2 <= h->size) { // 将堆调整为最大堆 int child = i * 2; if (child + 1 <= h->size && h->data[child + 1].bound > h->data[child].bound) child++; if (h->data[i].bound < h->data[child].bound) { Node temp = h->data[i]; h->data[i] = h->data[child]; h->data[child] = temp; i = child; } else break; } return root; } // 分支限界算法求解0-1背包问题 int knapsack() { Heap* h = (Heap*) malloc(sizeof(Heap)); h->size = 0; Node root = {0, 0, 0, upper_bound((Node) {0, 0, 0, 0.0})}; // 根节点的上界为所有物品的总价值 insert(h, root); while (h->size > 0) { Node node = delete(h); // 从堆中取出一个节点 int level = node.level + 1; // 计算新节点的层数 if (level > n) // 如果已经枚举完所有物品，则返回当前背包的价值 return node.value; int weight = node.weight; // 计算选择当前物品的新节点 if (weight + w[level - 1] <= c) { // 如果可以选择当前物品 Node new_node = {level, weight + w[level - 1], node.value + v[level - 1], upper_bound((Node) {level, weight + w[level - 1], node.value + v[level - 1], 0.0})}; insert(h, new_node); // 将新节点插入堆中 } weight = node.weight; // 计算不选择当前物品的新节点 float upper = upper_bound((Node) {level, weight, node.value, 0.0}); // 计算新节点的上界 if (upper > h->data[1].bound) { // 如果新节点的上界比当前堆中最大的上界还要大 Node new_node = {level, weight, node.value, upper}; insert(h, new_node); // 将新节点插入堆中 } } return 0; } int main() { scanf("%d %d", &n, &c); for (int i = 0; i < n; i++) scanf("%d %d", &w[i], &v[i]); printf("%d\n", knapsack()); return 0; } ``` 在上述代码中，我们使用了一个堆来存储节点，并且使用了结构体来保存每个节点的信息，包括当前节点的层数、背包中物品的总重量、背包中物品的总价值和上界。在计算当前节点的上界时，我们从当前节点开始枚举物品，并计算选择每个物品和不选择每个物品两种情况下的背包内物品总价值上界，取其中较大的作为当前节点的上界。在插入和删除节点时，我们使用了堆来保持节点按照上界大小的最大堆性质。最后，我们调用`knapsack()`函数来求解0-1背包问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值