NP完全性

大部分时间内，我们研究的算法都是多项式时间算法：对于规模为n的输入，在最坏情况下的运行时间是$O(n^k)$，其中k是某一确定常数。那是否所有的问题都可以在多项式时间内解决呢？答案是否定的。本节的主体就是对问题的复杂性的研究。

---

一 问题

• 问题：由Input和Output两部分组成
• 实例：是由一个具体的输入Input

按照问题的类型可以粗略的将问题分为两个类别：

• 最优化问题：每一个可行解都有一个关联的值，我们希望找出一个具有最佳值的可行解。

• 判定问题：答案是简单的是和否

  

决策问题与优化问题可以互相转化：

• 通过对待优化的值强加一个界，可以将最优化问题转换为相关的判定问题。
• 判定问题可以通过反复利用二分查找询问是否可以优化。

当我们试图证明最优化问题不易处理时，就可以利用该问题相关的判定问题之间的关系，判定问题要更容易一些。如果某个最优化问题比较容易，那么其相关的判定问题也会比较容易，如果我们能提供证据表明某个判定问题是个困难问题，就等于提供 l证据表明相关的最优化问题也是困难问题。NP完全性理论更注重与判定问题。

二 归约算法

假设对于某个判定问题A，我们希望能在多项式时间内解决他。假设有另一个不同的判定问题B，我们知道如何在多项式时间内解决它。最后假设有一个过程，它可以将任意A的实例a转化为B的具有以下特征的某个实例b：

• 转化操作需要多项式时间
• 两个实例的解是相同的：a的解是是，当且仅当b的解也是是

我们称这一过程为多项式时间归约算法reduction。一般我们用$A{\le }_{p}B$表示A可以归约为B下面给出一种在多项式时间内解决A的方法：

1. 给定问题A的实例a，利用多项式时间归约算法，将它转化为问题B的实例b
2. 在实例b上，运行B的多项式时间判定算法
3. 将b的解作为a的解

接下来介绍几个归约的例子

2.1 3-CNF-SAT ${\le }_p$CLIQUE

• 3-CNF-SAT问题

  可满足性(SAT)：如果一个布尔公式$\varphi$的具有一个赋值（可满足性赋值）使得公式的值为1，表示该公式是可满足公式。

  可满足性问题：给定一个布尔公式是不是可满足公式。例如一个简单的布尔公式$\varphi =x_1\wedge x_2$当$(x_1=1,x_2=1)$时值为1，说明该公式具有可满足赋值，是可满足公式。

  我们用以下术语定义3SAT问题：

  • 布尔公式中的文字literal：是指一个变量或变量的非
  • 合取范式CNF(conjunctive normal form)：布尔公式可以表示为所有子句的与，每个子句都是一个或多个文字的或

  如果合取范式中每个子句恰好都有三个不同的文字，则称该布尔公式为3-CNF，3-CNF的可满足性问题问题就是3-CNF-SAT问题。下面的布尔公式就是一个典型的3-CNF
  $$(x_1\vee \neg x_2\vee \neg x_3)\wedge (\neg x_1\vee x_2\vee x_3)\wedge (x_1\vee x_2\vee x_3)$$

• CLIQUE问题

  无向图G=(V,E)中的团clique是一个顶点子集$V^{\prime }\subseteq V$，其中每对顶点都由一条边来连接，一个团是G的完全子图。

  团问题：是关于寻找图中规模最大的团的最优化问题。作为判定问题形式为：图中是否存在一个给定规模为k的团。

证明3-CNF-SAT ${\le }_p$CLIQUE：设$\varphi =C_1\wedge C_2\wedge ...\wedge C_k$是一个3—CNF具有k个子句的布尔公式，每个子句$C_r$恰好有3个不同的文字$l_1^r,l_2^r,l_3^r$，我们构造一个图G使得$\varphi$是可满足的，当且仅当G包含一个规模为k的团：

构造：对于公式中的每个子句中的每个文字，用一个顶点表示。如果下面两个条件同时满足，就连接这两个顶点：

• 这两个顶点代表的文字处于不同的子句中。
• 这两个顶点代表的文字不是对方的非。

证明：

• 公式$\varphi$有一个可满足赋值，那么每个子句$C_r$中至少有一个文字$l_i^r$的值为真，从每个子句中挑选出一个这样的文字对应的顶点组成顶点集V'，可以断言V'在G中是一个团。因为这两个文字都被映射为1，自然不能互补。

• 反之从图G中选出一个规模为k的团，由于团中顶点不在同一个三元组内（子句），且其赋值为1，公式$\varphi$也是可满足的。

2.2 CLIQUE ${\le }_p$ VERTEX COVER

无向图的顶点覆盖是一个子集$V^{\prime }\subseteq V$，满足如果有$(u,v)\in E$则$u\in V$或$v\in V^{\prime }$或两者同时成立。也就是说$V^{\prime }$内的顶点相关联的边覆盖G中的边集E。

顶点覆盖问题VERTEX COVER：是指在给定的图中找出最小规模的顶点覆盖，将最优化问题转化为判定问题就是，确定一个图是否具有一个给定规模k的顶点覆盖。

构造：给定一个团的实例$<G=(V,E),k>$，构造一个顶点覆盖的实例$<\overline{G}=(V,\overline{E}),k^{{}^{\prime }}>$，$\overline{G},\overline{E}$代表G的补图与G的补图的边集。图G有k规模的团当且仅当G的补图$\overline{G}$有$|V|-k^{\prime }$规模的顶点覆盖。

证明：

• 假设有一个规模为k的团$<G=(V,E),k>其中V^{\prime }\subseteq V$，任意$(u,v)\in \overline{E}$，u与v至少有一个属于$V-V^{\prime }$的集合中，这就意味着任意$(u,v)\in \overline{E}$是被$V-V^{\prime }$所覆盖。这样就形成了一个顶点覆盖的实例$<\overline{G}=(V,\overline{E}),k^{{}^{\prime }}>$
• 反之，假设$\overline{G}$具有一个顶点覆盖$V^{\prime }\subseteq V$其中$|V^{\prime }|=|V|-k$，那么对于任意$(u,v)\in \overline{E}$，至少有一个顶点属于V’，因此$V-V^{\prime }$是一个规模为k的团

三 问题复杂类：P与NP

问题复杂类关注的是当问题的输入规模n增加时资源需求的增长率。所讨论的资源可以是时间(本质上是一个抽象机器上的基本操作的数量)，也可以是(存储)空间。它是一种抽象的度量，不以秒或字节为单位给出所需的时间或空间

• P类问题：可以在多项式时间内解决的决策问题
• NP类问题：一组决策问题的实例，其答案是Yes，其解可在多项式时间内被验证。

例如哈密顿回路问题：无向图G=(V,E)中的一条哈密顿回路是通过V的每一个顶点的简单回路，具有这种回路的图被称为哈密顿图。给定一个图，是否存在哈密顿回路。

要验证这个问题是否是一个NP问题，提供一个答案为Yes的实例，我们要在多项式时间内验证这个实例是否是一个回路，只需要遍历这个实例看是否经过所有的顶点即可。

对于P与NP，存在以下关系：$P\subseteq NP$，证明过程很简单：对于任何P类问题存在多项式时间内的算法解决它，那么对于任意一个P类问题的解，只需要用这个解解决问题，就可以在多项式时间内验证它。

P=NP？

四 问题复杂类：NPC与NP-hard

因为对于P=NP?研究进展的缺乏，另一个新的问题被提出：NP类问题中最难的问题是什么？对于这一类问题被称为NP完全问题(NPC)。这类问题有着惊人的特质：任意一个NP完全问题能在多项式时间内被解决的话，那么NP类问题中的每一个问题都存在一个多项式的解，这样就能证明P=NP。

对于NP-Complete的定义：Y是一个NP完全类，当且仅当Y是一个NP类问题且对于任意NP问题X，X都可以归约为Y。前面的团问题、顶点覆盖、哈密顿回路、旅行商问题，集合覆盖问题就是典型的NP完全类问题。

若Y不满足是一个NP类问题的条件，则称Y是一个NP难问题(NP-hard)

计算机科学家眼中的问题复杂类的关系：

给出一个思考题：答案为D

五 证明NP-Complate

证明一个问题是NPC类问题的主要依据是以下定理：

如果X是一个NPC类问题，Y是一个NP类问题且X可以归约为Y，那么Y就是一个NPC类问题

因此证明Y是一个NPC类问题主要有三个步骤：

1. 证明Y是一个NP类问题。
2. 选择一个合适的NPC类问题X。
3. 证明X${\le }_p$Y。

以集合覆盖问题为例：

• 输入：一个大小为n的全集U，一系列集合 S = { S 1 , S 2 , . . . , S m } S=\{S_1,S_2,...,S_m\} S={S1​,S2​,...,Sm​}，每个集合都是U的子集，以及一个整数k
• 输出：是否存在$|C|<k$的子集合$C\subseteq S$，使得${\cup }_{S_i\in C}=U$。

1. 证明集合覆盖问题是NP问题

   初始化一个数组用于标记全集U中的元素是否出现，遍历一个可行解S’，标记S’中出现过的元素，最后检查数组即可，在多项式时间内即可验证

2. 选择一个NPC类问题：顶点覆盖问题：

   

3. 证明顶点覆盖问题可以归约到集合覆盖问题。

   构造：给定一个顶点覆盖的实例：$<G=(V,E),k>$，构造一个集合覆盖的实例$<U,S,k>$，其中$U=E$，对于任意$v\in V$，构造集合 S v = { e ∈ E    a n d    e = ( u , v ) } S_v=\{e\in E\;and\;e=(u,v)\} Sv​={e∈Eande=(u,v)}（对于每个顶点构造一个与该顶点相连的边集作为一个子集）

   证明：对于任意一个大小为k的顶点覆盖集合，与其相连的边的并集为全体边集，因此这些顶点对应的$S_v$的并集也等于全集U(全体边集)，反之亦然。

因此集合覆盖问题就是NP-Complete类问题。