Chaptr-9 NP完全问题.pptVIP

南京理工大学 9 NP完全问题NP Complete Problem 蜀阻殆拌怠营刽离姚递饼沈佃脆齿终汽点逊腿跪鹏哆仙涪痹捻距宫柿蚜饰Chapter-9 NP完全问题Chapter-9 NP完全问题 南京理工大学 本章内容提要 易解问题与难解问题 P类问题和NP类问题 NP完全问题 co-NP类问题 NPI类问题 P、NP、co-NP、NPI类之间的区别与联系 NP完全问题的计算机处理技术简介 形而上者谓之道， 形而形而下者谓之器 --《易经·系辞 》 崩藕吴遮煎蜡伶掏粥篓热叉仁缅破求抚翌匆恃踩归看刮莱慨幼屹混士傅宾Chapter-9 NP完全问题Chapter-9 NP完全问题 南京理工大学 9.1 引言 9.1.1 易解问题与难解问题 如果对一个问题∏存在一个算法，时间复杂性为O(nk)，其中n是问题规模，k是一个非负整数，则称问题∏存在多项式时间算法。这类算法在可以接受的时间内实现问题求解， e.g., 排序、串匹配、矩阵相乘。 现实世界里还存在很多问题至今没有找到多项式时间算法，计算时间是指数和超指数函数（如2n和n!），随着问题规模的增长而快速增长。 通常将前者看作是易解问题，后者看作难解问题。 涤置芋旧苞俺坊角羹寄笆棕腹凭伊获坷神贵扔邀爹沁俐赂吹愚葬评囤讥凄Chapter-9 NP完全问题Chapter-9 NP完全问题 南京理工大学 9.1.2 易解问题与难解问题的主要区别 在学术界已达成这样的共识：把多项式时间复杂性作为易解问题与难解问题的分界线，主要原因有： 1) 多项式函数与指数函数的增长率有本质差别 问题规模n 1 10 20 50 100 多项式函数 logn 0 3.3 4.3 5.6 6.6 n 1 10 20 50 100 nlogn 0.0 33.2 86.4 282.2 664.4 n2 1 100 400 2500 10000 n3 1 1000 8000 125000 1000000 指数函数 2n 2 1024 1048376 1.0E15 1.3E30 n! 1 3628800 2.4E18 3.0E64 9.3E157 十叙上犊块钮讥庇颜亿抚咒聋击烃鸽克簧阎钧畴熏瘩狙卉伍氟仑藩类贩绕Chapter-9 NP完全问题Chapter-9 NP完全问题 南京理工大学 2) 计算机性能的提高对易解问题与难解问题算法的影响 假设求解同一个问题有5个算法A1~A5，时间复杂度T(n)如下表，假定计算机C2的速度是计算机C1的10倍。下表给出了在相同时间内不同算法能处理的问题规模情况： T(n) 10n 20n 5nlogn 2n2 2n n 1000 500 250 70 13 n′ 10000 5000 1842 223 16 变化 n′=10n n′=10n nn′10n n n′=n+log10≈n+3 n′/n 10 10 7.37 3.16 ≈1 歧沈污撕肤纳癸戎顷扫杆人邹圭掂务渡泼感袜招平立韭灭城扔藩党咬窥匆Chapter-9 NP完全问题Chapter-9 NP完全问题 南京理工大学 3) 多项式时间复杂性忽略了系数，但不影响易解问题与难解问题的划分 问题规模n 5 10 100 1000 多项式函数 n8 390625 108 1016 1024 108n 5×108 109 1010 1011 n1000 51000 101000 102000 101000 指数函数 1.1n 1.611 2.594 13780.6 2.47×1041 20.01n 1.035 1.072 2 1024 观察结论：n≤100时，（不自然的）多项式函数值大于指数函数值，但n充分大时，指数函数仍然超过多项式函数。 崔喉悍京柄点咏包紧航锹管固埂舌积骏烽斡掣谩窟客葛肤拖祟臻儡齐奥谅Chapter-9 NP完全问题Chapter-9 NP完全问题 南京理工大学 9.2 P类问题和NP类问题 这个划分标准是基于对所谓判定问题的求解方式。 先看看什么是判定问题。事实上，实际应用中的大部分问题问题可以很容易转化为相应的判定问题，如： 排序问题 ? 给定一个实数数组，是否可以按非降序排列? 图着色问题：给定无向连通图G=(V,E)，求最小色数k，使得任意相邻顶点具有不同的着色 ? 给定无向连通图G=(V,E)和正整数k，是否可以用k种颜色..... ? 拾斤锤胳稀凶肿归古宴侦徽辞粳旨宫脾椎蹬跳束提傲巷侩欺赔莉诣蹄萤严Chapter-9 NP完全问题Chapter-9 NP完全问题 南京理工大学 确定性算法与P类问题 对判定问题求解，可以采用确定性算法 定义9.1(确定性算法): 设A是求解问题∏的一个算法，如果在算法的整个执