第4章第2节算法复杂性问题NP完全问题详解.docVIP

第1.1章 算法复杂性问题-----NP完全问题 §1 NP问题与NP完全问题 在第一章中我们初步讨论了算法复杂性的概念。从第三章到第七章，我们讨论了不少问题和它们的算法。这些问题基本上都是P问题，即它们都有多项式算法。但在第一章中我们就已经指出，有不少问题至今没有找到多项式算法。 一个问题很自然地摆到我们面前：一个组合最优化问题，如果没有找到它的多项式算法，原因究竟是什么？是因为它本质上就不存在多项式算法呢？还是由于我们研究得不透彻或者我们的能力不够？ 后一种可能性是可能存在的。线性规划问题，从三十年代开始提出，一直延续到七十年代，几十年没有找到一个多项式算法，已经有不少人认为线性规划可能没有多项式算法。但在1979年，年轻的苏联数学工作者XиЧиЯН找到了第一个解线性规划的多项式算法——椭球算法，以后又出现了Karmaka算法。在科学史上，经过几百年甚至上千年才被攻克的难题不胜枚举。因此，如果能够根据问题的难度对问题进行分类，将会给算法研究带来巨大的好处。 首先，我们知道我们研究的问题难度很大，不可能找到或者很难找到有效算法，我们将会把精力集中于寻找问题的近似算法，避免了可能无效的研究。第二，如果我们知道两个问题有相同的难度，那末它们之间必然存在某种内在联系，解决第一问题的方法经过适当的修改很可能就能解决第二个问题，这就对我们寻找一个解决第二个问题的方法带来帮助。 但是，对问题进行分类和判定一个问题属于哪一类，这两件工作都十分困难。两个看上去很相似的问题，例如第一章中介绍的中国邮递员问题和旅行售货员问题。但前者提出不久就被判定为P问题，而对后者研究了四十多年却没有结果。 在第一章中我们提到“理想计算机”模式。目前绝大多数算法理论讨论都在一种“图灵机”的理想数学模型上进行，“图灵机”是为纪念英国科学家图灵而得名，因为他最早提出了这个模型。图灵机是对目前使用的实际计算机的一个很好的简化和抽象。凡是用图灵机描述的用多项式时间运行的算法，都可以在实际计算机上用多项式时间运行；反过来，实际计算机上的多项式算法，也都可在图灵机上被描述并按多项式时间运行。因此，凡是在图灵机上有多项式算法的组合最优化问题就被称为P问题。 以后又提出了非确定性图灵机的概念（与此对应，图灵机有时又叫做确定性图灵机）。非确定性图灵机是一种假想的具有猜测功能的计算机数学模型。至今没有造出有相应功能的计算机来（今后能否造出这样的计算机需要打一个大问号）。 如果一个问题，能在非确定性图灵机上找到一个多项式算法，我们就称这个问题属于NP问题类。非确定性图灵机上描述的算法，我们称为非确定性算法。NP问题中的N在这里代表非确定性，P代表多项式算法，NP问题就是具有非确定性多项式算法的问题。在图灵机上有多项式算法的问题，在非确定性图灵机上也一定有多项式算法，因此P问题类是NP问题的一个子类。 要说清楚图灵机和非确定性图灵机的概念还需要占用很多篇幅，超出了本书的范围。但因为假想的非确定性图灵机的功能非常强大，NP问题类包括了大量的组合最优化问题，因此我们有必要把NP问题类的轮廓描绘得更清楚一些。下面的介绍虽然不很严格，但对于应用是足够的。 在第一章中提到，一个组合最优化问题的实例，可以用有限集F和定义在F上的函数c表示，要求找一个元素，使得达到最小。 对于最优化问题的一个实例，我们可以提出相应的一个判定性问题的实例：给定一个实数L，问是否存在使得。 一个组合最优化问题，当然比它相应的判定性问题要困难。如果一个最优化问题实例的最优解为，当时它相应的判定性问题的答案是“Yes”。当时答案是“No”。给定了一个组合最优化问题，我们任意选取它的一个实例，并确定好它对应的判定性问题中的常数L。如果任给判定性问题的一个答案为“Yes”的解，能在多项式时间内验证这一点，那末就称这个组合最优化问题属于NP类。这里所谓的验证要做三件事：验证；计算；证明。这三件事总的计算量要有一个多项式的界。 以旅行售货员问题为例：在给定n个城市间相互距离及常数L之后，任意给定一个符合要求的旅行路线。所谓的“验证”工作包括下面这些内容：首先，这个旅行路线是否经过每个城市恰好一次，运用次运算就能做到。接着我们把各段路程加起来，用路程总和与L进行比较，这也只需要次运算就能行了。因此总的验证只要次运算就能完成，这说明旅行售货员问题是NP问题。 我们对第一章介绍的最优化问题都作类似的讨论，可以证明所有这些问题都是NP问题。 NP问题类不仅包括组合最优化问题，也包括其它类型的问题，特别包括很多判定性问题。关于NP问题的概念我们还需要进一步进行解释。这里有一些概念和常识不太一致。 给定一个图和图中的一条路，如果它包含图的所有的顶点，我们就称它为图的哈密尔顿路。如果图G有哈密尔顿路，我们可以这样说：存在图G顶点集合V中所