[工学]演算法第七章NP-完备理论繁.ppt

演算法 ＿ 第七章 NP-完備理論 7 簡單問題與困難問題 在 60 年代末期到 70 年代初期，許多研究人員成功地找出一些最佳化問題的快速解 但是，在那同時卻也發現越來越多的問題似乎無法快速地找到解 解這些問題的演算法在最壞的情況下都會需要指數時間 簡單問題與困難問題 於是有人開始懷疑，是不是還有什麼不知道的演算法設計方法尚待開發 或者是不是應該有一個證明告訴我們這些問題本質上就很難，低於指數時間的演算法根本就不存在？ 簡單問題與困難問題 大約就是那個時候，出現了一個重大的發現 這個發現告訴我們這些所謂的“困難”問題彼此間是相關的，只要它們其中有一個問題可以在多項式時間內解掉的話，那麼所有這些困難問題將都可以在多項式時間內解掉 這些問題就統稱為NP-完備問題 多項式時間 以一個問題能不能在多項式時間內解決掉來區隔“可以有效率地解決的問題”與“無法有效率地解決的問題” 前者籠統地統稱為“簡單的問題”而後者則籠統地通成為“困難的問題” 評估一個演算法的執行時間所採用的都是最壞情況的複雜度 事實上，NP-完備問題所探討的時間複雜度都是最壞情況的複雜度。 多項式時間 當我們說一個演算法的複雜度是 O(n)時，n 指的是輸入資料的“數量” 針對不同問題，我們對於這個“數量”的定義會有一些不同 但是，真正比較嚴謹的定義應該是「使用合理、有效率的編碼方式來表示輸入資料時所需要的位元數」 多項式時間 前面都假設任何算術運算（例如，兩個數的加、減、乘、除）都固定需要一個常數時間 但是，現在我們得小心些，實際上它們所需要的計算時間跟表示一個數字所用的位元數成正比 例如，把兩個 64 位元整數相加所需要的時間是把兩個 32 位元整數相加所需要時間的兩倍 多項式時間 如果一個問題存在一個多項式時間演算法來解它的話，我們就說這個問題可以在多項式的時間內解掉 最佳化問題與判斷問題 每一個最佳化的問題都有一個對應的判斷問題版本 是不是存在一個打包方法使得它打包所得的總價值高於等於常數C？ 是不是存在一個路徑的長度小於等於常數C？ 輸出只是很單純的“是”或“否” 最佳化問題與判斷問題 定義 P 為所有可以在多項式時間內解決掉的判斷問題所成的集合。 P 因此就是我們認為的簡單問題所成的集合 一些常見的困難問題 SAT問題 給定一個布林公式（CNF的形式），是不是存在一種真假值的指派使得整個布林公式為真？ 舉一個例子，是不是存在一種真假值的指派使得 F = 為真？ 一些常見的困難問題 F=(x? y? z) ? (x? y) ? (y? z) ? (z? x) ?  (x? y? z) 這個例子不管我們如何選擇 x, y, z 的真假值組合，F 總之都是假，因此針對這個例子我們應該回答“否” SAT是第一個被證明是NP-完備的問題 一些常見的困難問題 3-SAT問題 它是SAT問題的一個特例，布林公式裡要 and 起來的每一個子句都恰好含3個字元 例如， F = 這個問題也被證明是一個NP-完備問題 一些常見的困難問題 如果一個問題被證明是NP-完備的問題，那麼它的特例可能是NP-完備問題，也可能不是NP-完備問題 一些常見的困難問題 0/1打包問題 打包問題的特例 給定的 n 項物品，每一項物品 i 都有其重量 wi 以及價值 pi 這個問題要求我們，在總重量小於等於 C 的前提下，選出來搬走的物品之總價值要最高 xi = 0, 1－物品不能切割 一些常見的困難問題 旅行推銷員問題 判斷問題版本則是「給定平面上一些點以及這些點彼此間的距離，是否存在一個迴路將所有這些點連結起來，而且這個迴路的邊長總和小於等於常數C？」 這個問題的判斷問題版本就是NP-完備問題 一些常見的困難問題 一些常見的困難問題 頂點涵蓋問題 給定一個圖 G = (V, E)。如果存在一組頂點 S ? V 使得任何屬於 E 的一個邊 (u, v) 都滿足要麼 u ? S 不然就是 v ? S，那麼我們就說 S 是一個頂點涵蓋 例如，{A,D} 與 {B,C,E} 都是頂點涵蓋，因為所有的邊都跟 A 或 D（B、C、或E）相連 一些常見的困難問題 這個問題的最佳化版本問的是「請找出最小的頂點涵蓋S，即?S?最小化。」 它的判斷問題版本則是「是不是存在一個頂點涵蓋 S 使得?S?? k，其中k是一個常數？」 這個問題的判斷問題版本就是NP-完備問題 一些常見的困難問題 著色問題 給定一個圖 G = (V, E)，我們要為頂點 V上色 上色的原則是相鄰的兩個頂點 u, v必須著不同的顏色 一些常見的困難問題 這個問題的最佳化版本問的是「請找出使用最少顏色的著色方法。」 它