(1)计算复杂性
由于有些优化算法所需要的计算时间和存储空间难以承受,因此算法可解的问题在实践中并不一定可解。如对称TSP问题,可能路径为
(n−1)!/2
,若以路径比较为基本操作,则需
(n−1)!/2−1
次基本操作。对于每秒执行一百万次操作的计算机,当
n=20
时,就需要1929年才能找到最优解。所以,必须对计算复杂性理论有所了解,这也是最优化的理论基础。只有了解所研究问题的复杂性,才能有针对性的设计算法,进而提高优化效率。
算法的时间和空间复杂性对计算机的求解能力有重大影响
(2)P,NP,NP-C和NP-hard问题
P类问题指具有多项式时间(多项式时间,英语: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的多项式倍数。任何抽象机器都拥有一复杂度类,此类包括可于此机器以多项式时间求解的问题。以数学描述的话,则可说m(n) = O(n^k),此k为一常数值)求解算法的问题类。但迄今为止,许多优化问题仍没有找到求得最优解的多项式时间算法,通常称这种比P类问题更广泛的问题为非多项式确定问题,即NP问题。NP的概念通常由判定问题引入。
定义1 实例是问题的特殊表现,所谓实例就是确定了描述问题特征的所有数的问题,其中参数值称为数据。这些数据占有计算机的空间称为实例的输入长度。
定义2 若一个问题的每个实例只有“是”或“否”两种回答,则称该问题为判定问题,并称肯定回答的实例为“是”实例,否定回答的实例为“否”实例或“非”实例。
计算复杂性与NP完全问题
最新推荐文章于 2022-09-16 12:14:16 发布