P，NP，NPC（NP完备），NP-hard（NP难），时间复杂度

P是在多项式时间可以“解决”的一类问题。
NP（Non-deterministic Polynomial）是给我们一个解，在多项式时间可以“验证”解是否正确。
可以解决，必然可以验证解是否正确。因此P是NP。但NP不一定是P（可以验证正确与否，但是不一定能解决）。因此P=NP尚不确定。

NP完备（NP complete，NPC）有两个条件：第一是NP，第二必须所有NP都可以规约到它。

NP难（NP-hard）满足NPC第二条条件，即所有NP都可以规约到它，但是它本身并不一定是NP。NP-Hard问题要比 NPC问题的范围广。如TSP问题，调度问题等等。（也就是即使有一天发现了NPC问题的多项式算法，但NP-Hard问题仍然无法用多项式算法解决，因为它不是NP问题，对于答案的验证都很困难。）

注解：P一定是NP，NP不一定是P（当P!=NP时，见左图；当P=NP时，见右图）。一部分NP可以规约为NPC，一部分NP是NP-hard。NPC和NP-hard有交集。交集的部分就是NP。

注：

归约（Polynomial-time Reducibility）：根据规约的传递性，对NP问题进行一层接一层地规约，最终可以得到一个足够泛化的NP问题，即NPC问题。

简单地说，问题A可以归约为问题B的意思是说：可以用问题B的解法解决问题A，或者说，问题A可以“变成”问题B。

举例：现在有两个问题，求解一个一元一次方程和求解一个一元二次方程。那么我们说，前者可以归约为后者，因为知道怎样解一个一元二次方程，那么一定能解出一元一次方程，因为一元一次方程是一个二次项系数为零的一元二次方程。

“问题A可归约为问题B”，那么很容易理解问题B比问题A难，要解决问题B的时间复杂度也就应该大于或等于解决问题A的时间复杂度。而且归约有一项重要的性质：传递性。如果问题A可归约为问题B，问题B可归约为问题C，则问题A一定可归约为问题C，这应该很容易理解吧。现在再来说一下归约的标准概念：如果能找到这样一个变化法则，对任意一个程序A的输入，都能按这个法则变换成程序B的输入，使两程序的输出相同，那么我们说，问题A可归约为问题B。

从归约的定义中我们看到，一个问题归约为另一个问题，时间复杂度增加了，问题的应用范围也增大了。通过对某些问题的不断归约，我们能够不断寻找复杂度更高，但应用范围更广的算法来代替复杂度虽然低，但只能用于很小的一类问题的算法。那么如果把一个NP问题不断地归约上去，那么最后是否有可能找到一个时间复杂度最高，并且能“通吃”所有的NP问题的这样一个超级NP问题？答案居然是肯定的。也就是说，存在这样一个NP问题，所有的NP问题都可以归约成它，并且这种问题不只一个，它有很多个，它是一类问题。这一类问题就是传说中的NPC问题，也就是NP-完全问题。

既然所有的NP问题都能归约成NPC问题，那么只要任意一个NPC问题找到了一个多项式的算法，那么所有的NP问题都能用这个算法解决了，那么NP也就等于P了。目前NPC问题还没有多项式的有效算法，只能用指数级甚至阶乘级复杂度的算法来解决，那么意思就是如果能够找到一个能用多项式时间复杂度解决的NPC问题就证明了P=NP了。

1. 即使证明了P=NP，在计算机算力无敌到强大之前，NP难都是很难的。
2. a规约到b，可以理解为a是b的特例。

时间复杂度

问题规模扩大后，运行程序时间长度增长得有多快。当n足够大时，我们只注重最高次方的那一项，其他各项可以忽略，另外，其常数系数也不重要，所以，n(n-1)/2我们只重视n的平方这一项了，记为，这就是该算法对该问题的时间复杂度的专业表示。

程序复杂度一般分为两种级别： 

•  多项式级的复杂度：如，,
•  非多项式的复杂度：如，等，前者称为指数级，也就是我们经常说的爆炸性增长。