算法设计与PPT-NP完全理论讲述.ppt

* 11.4 NPC的证明 引理11.4 如果L是一个语言，对某个语言L∈NPC ，使得L ≤ P L ，则L是NP难的。而且，如果有L∈NP ，则L∈NPC。 证明：因为L是NP完全的，对任意的L∈ NP ，我们有L ≤ P L，按照假设有L ≤ P L ，这样按照传递性，我们有L ≤ P L ，这表明L是NP难的。如果L∈NP ，则由NP完全的定义，可知L∈ NPC，故所证成立。 * 证明一个语言L属于NP完全的证明方法： 首先证明L∈NP ； 最后证明是NP难的，其证明过程如下： a)首先选择一个已知属于NP完全的语言L； b)设计一个计算函数f的算法，能将L的每个实例x∈{0, 1}*映射到L的实例f(x) ； c)证明上述转换函数f满足，对任意的x∈{0, 1}*， x∈ L当且仅当有f (x)∈ L ； d)证明计算函数f的算法是多项式时间算法。 * 可满足性问题 布尔公式的可满足性(Satisfiablity，简记为SAT)问题是，给定一个布尔公式，其构成如下： n个布尔变元： x1, x2, ..., xn ； m个布尔连接符：任何一个布尔连接符（或称布尔函数）连接一个或两个输入，具有一个输出。常见的布尔连接符有∧,∨, ? , →, ? ； 括号。 一个布尔公式的真值赋值是关于布尔变元的一组取值，一个可满足的赋值是一个真值赋值，它使得布尔公式的值为1。如果一个公式具有可满足赋值，则称该公式是可满足的。 * 可满足性问题指的是一个给定的布尔公式是否是可满足的。用形式语言可以描述如下： SAT = {φ : φ is a satisfiable boolean formula}. 则可满足性问题可以描述为，对于给定的φ ， φ是否属于SAT。 * An example φ = ((x1 → x2) ? ?((?x1 ? x3) ? x4)) ? ?x2 赋值x1 = 0, x2 = 0, x3 = 1, x4 = 1, 使得 φ = ((0 → 0) ? ?((?0 ? 1) ? 1)) ? ?0 = (1? ?(1 ? 1)) ? 1 = (1 ? 0) ? 1 =1. 因此φ 属于 SAT. * 定理11.4 SAT是NP完全的。 证明：首先我们证明SAT∈NP。 对于一个布尔公式φ以及它的一个可满足赋值构成的证书，验证算法只要将公式中的变元用其赋值代替，然后计算公式φ的值，这个过程显然能够在多项式时间内完成，如果φ =1，则它是可满足的。因此SAT∈NP。 * 再证SAT是NP难的。对于已知的NP完全问题CircuitSAT，如果我们能够证明CircuitSAT ≤ P SAT，则问题得证。首先我们要证明CircuitSAT的任意一个实例能够在多项式时间内约简到可满足性问题的一个实例。 我们可以按照下列方式进行约简，对于组合电路的每个输入，布尔公式有对应的变元。电路中一个逻辑门能够表达为一个公式，公式由逻辑门的输入和输出决定。 * 例如输出AND逻辑门能够表达成公式 对于图11.7所示的布尔电路，其对应的布尔公式如下 φ = x10 ?(x4 ? ?x3) ?(x5 ?(x1 ? x2)) ?(x6 ? ? x4) ?(x7 ? (x1 ? x2 ? x4)) ?(x8 ?(x5 ? x6)) ?(x9 ?(x6 ? x7)) ?(x10 ? (x7 ? x8 ? x9)) * 上述转换能够在多项式时间内完成。由此可见，任意给定一个布尔电路，我们能够在多项式时间内将其约简为布尔公式。这样如果有一个可满足的赋值，电路的每条输入线都有一个确定的值，电路的输出为1。因此每条输入线的赋值对应布尔公式的一个赋值，使得公式中的每个子句的值均为1，所有子句的合取仍然为1。反过来，如果有一组赋值使得布尔公式取值为1，则类似可证明电路是可满足的。因此，我们就证明了SAT是NP难的。综上所述，SAT是NP完全的。 定理11.4就是著名的Cook-Levin定理，简称Cook定理。虽然，本书是从证明CircuitSAT属于NP完全开始的，是因为CircuitSAT的证明比较容易理解，而直接证明SAT属于NP完全则要复杂些，但是证明它们的思路是一样的。事实上，SAT才是第一个被证明的NP完全问题。Cook定理揭开了计算复杂性中NP完全理论的研究