什么是计算复杂度、P问题、NP问题和NP-C问题

首先时间复杂度的概念。时间复杂度并不是用来表示一个程序解决问题需要花费多长时间。而是当问题规划扩大，数据量增加后，程序需要的运行时间增长有多快。

1. 若不管数据量有多大，花费的时间始终是一样多的，那么成具有O（1）的时间复杂度。
2. 若数据量增加多少，花的时间随之增加多长，两者存在线性关系，则称O（n）。例如找出n个数中的最大值。
3. 像冒泡排序、插入排序等，数据扩大2倍，时间变为4倍，属于O(n^2)
4. 一些穷举类算法，所需时间长度呈几何阶数上涨，这就是O(a^n)、O(n!)

于是进行分类：

多项式级的复杂度：O(1)、O(n)、O(n^a)，因为它们的规模n出现在底数的位置。
非多项式级的复杂度：O(a^n)、O(n!)。其复杂度计算机往往不能承受。

在运筹学的复杂性理论中，有两类标准问题：

1. 判定问题：让程序解决一个问题，程序输出yes/no。
2. 优化问题：寻找一个最优解。

下面引出P问题的概念：

如果一个问题可以找到一个能在多项式时间内解决它的算法，那么这个问题就属于P问题。

NP问题：

可以在多项式的时间内验证一个解的问题。另一个定义是：可以在多项式时间内猜出一个解的问题。

显然，P问题属于NP问题。能多项式时间内找到一个解的问题，必然能在多项式时间内验证一个问题的解。

但是，P=NP是否成立？此问题还未被解答。但NPC问题的存在使得多数人相信，不成立。

为了说明NPC问题。下面引入约化问题。

约化问题：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可约化为问题B。

当然，我们所说的“可约化”是指的可“多项式地”约化(Polynomial-time Reducible)，即变换输入的方法是能在多项式的时间里完成的。约化的过程只有用多项式的时间完成才有意义。

B的时间复杂度高于或者等于A的时间复杂度。

约化具有一项重要的性质：约化具有传递性。如果问题A可约化为问题B，问题B可约化为问题C，则问题A一定可约化为问题C。

好了，从约化的定义中我们看到，一个问题约化为另一个问题，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约化，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。再回想前面讲的P和NP问题，联想起约化的传递性，自然地，我们会想问，如果不断地约化上去，不断找到能“通吃”若干小NP问题的一个稍复杂的大NP问题，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问题都可以约化成它。换句话说，只要解决了这个问题，那么所有的NP问题都解决了。这种问题的存在难以置信，并且更加不可思议的是，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。NP-C问题的出现使整个NP问题的研究得到了飞跃式的发展。我们有理由相信，NPC问题是最复杂的问题。人们想表达一个问题不存在多项式的高效算法时应该说它“属于NPC问题”。

同时满足下面两个条件的问题就是NP-C问题。

NP-C问题（非确定性多项式时间完备问题）：首先，它得是一个NP问题；然后，所有的NP问题都可以约化到它。

证明一个问题是 NP-C问题也很简单。先证明它至少是一个NP问题，再证明其中一个已知的NPC问题能约化到它（由约化的传递性，则NP-C问题定义的第二条也得以满足；至于第一个NP-C问题是怎么来的，不作介绍），这样就可以说它是NPC问题了。

既然所有的NP问题都能约化成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，NP也就等于P 了。因此，给NPC找一个多项式算法太不可思议了。因此，前文才说，“正是NPC问题的存在，使人们相信P≠NP”。我们可以就此直观地理解，NPC问题目前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搜索。

NP-Hard问题：满足NPC问题定义的第二条但不一定要满足第一条（就是说，NP-Hard问题要比 NPC问题的范围广）。NP-Hard问题同样难以找到多项式的算法，但它不列入我们的研究范围，因为它不一定是NP问题。即使NPC问题发现了多项式级的算法，NP-Hard问题有可能仍然无法得到多项式级的算法。事实上，由于NP-Hard放宽了限定条件，它将有可能比所有的NPC问题的时间复杂度更高从而更难以解决。

参考资料：https://zhuanlan.zhihu.com/p/22497908