第2章 NP完全理论.pptVIP

引理2.1 若T是至少具有n！和叶子结点的二叉树，则T的高度至少是：nlog2n-1.5n=Ω(nlog2n) 通常称为信息论下界，说明任何基于比较的对n个元素排序的算法，判定树的高度都不会大于Ω(nlog2n)。因此，Ω(nlog2n)是这些算法的时间下界。 2.2.2 实际问题难以求解的原因 问题的解空间太大 如：布尔可满足问题（SAT问题）—判断包含一些布尔变量的合取范式是否为真。 评估函数难以确定 希望评估函数能评价可能解的质量 实际问题很复杂，无法求得精确解 如：运输问题中的不连续性 实际问题的约束条件难以满足 例：证明停机问题不可能通过任何计算机程序来解决。（反证法） bool Halt(char *prog,char *input) { if(源程序prog对于输入input停止执行) return true; else return false; } bool SelfHalt(char *prog)//判断函数Halt是否能够解决自身的停机问题 { if(Halt(prog,prog)) return true; else return false; } void Contrary(char *prog)//在函数SelfHalt能够解决自身停机问题时进入一个死循环 { do result=SelfHalt(prog); while(result==true); } 如果问题П属于P类，则也属于NP类问题，即P NP。 反之，如果问题П属于NP类，则存在一个多项式时间的非确定性算法，来猜测并验证它的解，但是不一定能构造一个多项式时间的确定性算法，来对它进行求解或判定。因此人们猜测P≠NP，但是这个不等式至今未得到证明。 定义2.7 令Π是一个判定问题，如果对于NP类问题中的每一个问题Π，都有Π∝pΠ，则称判定问题Π是一个NP难问题。 NP类问题 NP难问题 如果Π是NP完全问题，Π’是NP难问题，那么，他们之间的差别在于Π必定是NP类问题，而Π’不一定在NP类问题中。 一般而言，若判定问题属于NP完全问题，则相应的最优化问题属于NP难问题。 NP完全问题和NP难问题的区别： 2.4.3 基本的NP完全问题 证明一个判定问题Π是NP完全问题需要经过两步： （1）证明问题Π属于NP类问题，也就是说，可以在多项式时间以确定性算法验证一个任意生成的串，以确定它是不是问题的一个解； （2）证明NP类问题中的每一个问题都能在多项式时间变换为问题Π。由于多项式问题变换具有传递性，所以，只需证明一个已知的NP完全问题能够在多项式时间变换为问题Π。 NP完全问题的证明思想 NP类问题 已知的NP 完全问题 要证明的 NP完全问题 一些基本的NP完全问题： 1．SAT问题（Boolean Satisfiability Problem） 2．最大团问题（Maximum Clique Problem） 3．图着色问题（Graph Coloring Problem） 4. 哈密顿回路问题（Hamiltonian Cycle Problem） 5．TSP问题（Traveling Salsman Problem） 6．顶点覆盖问题（Vertex Cover Problem） 7．最长路径问题（Longest Path Problem） 8．子集和问题（Sum of Subset Problem） 2.4.4 NP完全问题的计算机处理 1．采用先进的算法设计技术 2．充分利用限制条件 3．近似算法 4．概率算法 5．并行计算 6．智能算法 * 算法设计与分析 清华大学出版社 * 算法设计与分析 清华大学出版社 2.1 下界 对于任何待求解的问题，如果能找到一个尽可能大的函数g(n)（n为问题规模），使得求解该问题的所有算法都可以在Ω(g(n))的时间内完成，则函数g(n)称为该问题计算复杂性的下界（Lower Bound）。 如果已经知道一个和下界的效率类型相同的算法，则称该下界是紧密（Close）的。 意义：评价算法；改进算法。 对问题的输入中必须要处理的元素进行计数，同时，对必须要输出的元素进行计数。这种计数方法产生的是一个平凡下界（Ordinary Lower Bound）. 2.1.1 平凡下界 例 ：生成 n 个元素的所有排列对象的算法属于Ω(n!) 平凡下界往往过小而失去意义。 例：TSP问题的平凡下界是Ω(n2) 2.1.2 判定树模型 判定树（