通俗易懂：P问题、NP问题、NPC问题和NP-hard问题

一、基础知识
1.现实中的问题(比如：排序问题)，存在很多解决办法(即计算机领域的算法)，所以需要衡量算法的性能。

一个算法的优劣主要从算法的执行时间(即时间复杂度)和所需要占用的存储空间(即空间复杂度)两个方面衡量。

P类问题和时间复杂度有关，所以本文只谈时间复杂度。

2.时间复杂度
若对排序算法有了解的小伙伴，大多是知道冒泡排序的平均时间复杂度为O($n^2$)，按照多项式的定义(形如$a_n\cdot x^n+a_{n-1}\cdot x^{n-1}+...+a_1\cdot x+a_0$的式子即为多项式)，所以排序问题存在时间复杂度为O($n^2$)的多项式时间算法，即排序问题属于P问题。

二、P问题
存在多项式时间算法的问题。(P：polynominal，多项式)

当所需计算的数据量小时，人们察觉不到算法时间复杂度分别为O($n$)与O($2^n$)的差别，但当数据量达到数百万量级时，O($2^n$)的算法可能需要让计算机算个几天，甚至数年。

时间复杂度排序 : $O(1)<O(n)<O({\log }_{2}n)<O(n^2)<O(n^a)<O(2^n)(a>2)$

所以，研究时间复杂度是多项式的算法才有实际意义。

三、NP问题
1.大整数分解
比如：求大整数99400891的2个质因子是困难的，但是若告知9967、9973,验证它们是99400891的2个质因子是可以在多项式时间内实现的。

2.NP问题
存在一类问题，不知道其是否存在多项式时间算法，但可以在多项式时间内验证一个猜测解的正确性。

NP : Nondeterministic polynomial-time 非确定性多项式时间

四、千禧难题之首 : NP=P?
有些科学家认为，所有的NP问题终究都可以在多项式时间内解决，只是我们暂时还没有找到方法；也有些科学家认为，某些NP问题永远无法在多项式时间内解决。

即千禧难题之首 : $NP=P?$¹

如果证明了$NP=P$就意味着所有的NP问题都可以通过计算机来解决，所以意义重大，不然怎么值100万美元呢(狗头.jpg)

五、NPC问题
1.证明$NP=P?$思路之一 ：问题约化
可以用问题B的算法来解决A ，我们就说问题A可以约化成问题B。
例如：
问题A : $3x+6=12$ (采用一元一次方程的解法)
问题B : $0\cdot x^2+3x+6=12$ (采用一元二次方程的解法)
显然问题A可以约化为问题B，如果证明了一元二次方程的解法是多项式时间算法，则说明一元一次方程的解法也是多项式时间算法。

约化具有传递性: A约化为B，B约化为C

因此：
把众多的NP问题层层约化，必定会得到一个或多个“终极问题”，这些约化的终点就是所谓的NPC问题（NP-complete）

2.NPC问题(2个条件)
①自身是NP问题；
②其他NP问题能约化到它；
即：如果所有NP问题可在多项式时间内约化成某个NP问题，则该NP问题称为NP完全问题。

六、NP-hard问题
满足NPC问题的条件②但不满足条件①。
即 : 如果所有NP问题可在多项式时间内约化成某个问题，则该问题称为NP难问题。

显然，NP-hard问题不一定是NP问题，可能是不可判定问题(图灵停机问题)

七、P问题、NP问题、NPC问题和NP-hard问题的关系

八、参考文献

1.P问题、NP问题、NP完全问题和NP难问题
(旅行商问题被科学家证明属于NPC问题)

---

1. Latex中的空格 ↩︎