第10章NP完全问题(自己写的)案例.ppt

第10章 NP完全问题; 对一个已确定是可计算的问题，人们总试图寻求实现它的最优算法。然而对有些问题，这个工作难度很大，目前还不能做到这点。; 1971年S. Cook发表了“The Complexity of Theorem Proving Procedures”这篇著名论文，1972年R. Karp发表了“Reducibilty Among Combinatorial Prob1ems”，从此奠定了NP完全理论的基础。NP完全理论指出在NP类中有一些问题具有以下性质：若其中一个问题获得多项式算法，则这一类问题就全部获得了多项式算法；反之，若能证明其中一个问题是多项式时间内不可解的，则这-类问题就全部是多项式时间内不可解的。这类问题将称之为NP完全问题。NP完全理论不打算找出这一类问题的算法，仅仅着眼于证明这一类问题的等价性，即证明它们的难度相当。 NP完全理论还很年轻，有许多问题等待人们研究。例如，“NP＝P”还是相反“P是NP的真子集”。这个问题是当代计算机科学中的一大难题。 ;一、序言 1、 观察：前面提到的各种排序算法、图遍历算法等，动态规划解背包等。 上述各种算法的复杂度都是在低阶多项式级别下完成的。 2、有另外一类问题：m-图着色问题（m2）、生产车间调度问题、最短路径（路由）、神经网络参数优化问题等。 这些问题，目前根本没有找到有效解方式。（在可以容忍的时间内解决问题。） 这些问题目前被认为是难解的。（没有确定解公式），以后也不可能找到确定解公式。 这些难解问题，目前的求解规模在2n或n!。 ;3、这一类问题的相通性： 数百个著名的问题。 有趣的是，如果其中一个能够找到多项式可解，那其他的问题都可以找到多项式解。 其中很多是来自于现实生活中的问题： 网络路由选择、送餐车辆指派问题、车间调度问题等。 见表1.1，现存的求解方法，中等输入也需要几百年时间才能求解成功。;4、NP问题的描述转换 转换为判定问题。 两种答案：yes或no。 最优化问题：关心的是某个量的最大化或最小化问题。;5、问题转化举例： 10.1设s是一个实数序列，EU问题是：是否S中的所有的数都不相同。 判定问题： 输入：一个整数序列S； 问题：在S中存在两个数据相等吗。 10.2 给出一个无向图G=(V,E)，用k种颜色对G着色.......，使得图中没有两个邻接点有相同的颜色。 ;判定问题： 输入：一个无向图G=(V,E)和一个正整数k=1； 问题：G可以k着色吗？即G最多可以用k种颜色着色吗？ 最优化问题：求出G的着色数。 输入：一个无向图G=(V,E) 输出：G的色数。 研究NP难问题，将精力更多的投入到研究判定问题的求解方面。 ;二、P类 定义10.1：设A是求解问题II的一个算法，如果在展示问题II的一个实例时，在整个执行过程中每一步都只有一个解，则成算法A是确定性算法。因此，如果对于同样的输入，实例多次执行，其输出不会改变。 例如：求解ax2+bx+c=0； 定义10.2： 判定问题的P类由这样的判定问题组成,他们的yes/no解可以用确定性算法在运行多项式步数内得到。（例如：O(nk)）;下面问题的解都是P类问题： 1、排序问题：给出一个n个整数的表，他们能否按非降序排列； 2、不相交集问题：给出两个整数集合，他们的交集是否为空？ 3、最短路径：在一个有向图G=(V,E)中，两个特异的顶点s，t和一个整数k，在s和t之间是否存在一条路径，它的长度最多是k。 4、2着色问题：给出一个无向图G，问它是否可以用两种颜色着色。; 如果对于任意的问题C，II的补也在C中，我们就说问题II属于C在补运算下是封闭的。 例如： 2着色问题的补可以陈述如下： 给出一个图G，它是不2着色的吗？ 上述问题属于P类证明： 存在一个确定算法A，当对于2可着色时，它停机说：yes；在计算not-2着色时，它停机说no。 对算法A进行简单的交换yes或no,可以得出no-2算法是一个确定性算法。;三、NP类 非形式化概念： NP类问题由这样的问题II组成，对于