孙成敏《计算机算法设计与分析》算法分析第十章 from ouy.pptVIP

第十章NP难度和NP完全问题 10.1 基本概念 10.1.1 不确定算法 10.1.2 NP难度和NP完全类 10.1 基本概念 预备知识 算法时间复杂度的渐进表示 上界O，下界? 多项式时间算法与非多项式时间算法 检索：O(logn) 排序：O(nlogn) 货郎担问题：O(n22n) 背包问题：O(2n/2) 算法的时间复杂度一旦大于多项式时间，算法的执行时间会随n的增大而急剧增加。即使中等规模的问题也解不出。 O(1) O(logn) O(n) O(nlogn) O(n2) O(n3) O(2n) O(n！) O(nn) 问题复杂性和算法复杂性的区别 算法的复杂性是指解决问题的一个具体的算法的执行时 间，这是算法的性质； 问题的复杂性是指这个问题本身的复杂程度，是问题的性质。 例：排序问题，如果只能通过元素间的相互比较来确定元素间的相互位置，而没有其他的附加可用信息，则排序问题的复杂性是O(nlgn) 但是排序算法很多，冒泡法是O(n2)，快速排序平均情况下是O(nlgn)等等，排序问题的复杂性是指在所有的解决该问题的算法中最好算法的复杂性。 问题的复杂性不可能通过枚举各种可能算法来得到，一般都是预先估计一个值，然后从理论上证明。 10.1.1 不确定的算法 不确定的算法 由两个阶段组成： 猜测阶段:产生一个任意字符串C,可以看成是问题实例的解的猜测, 可能在不确定性算法的不同次运行中不同. 验证阶段:是一个确定的可执行子程序. 检查字符串C是否是问题实例的解, 若是，算法终止且输出YES，否则输出NO. 不确定算法举例-不确定机上的检索问题 考察给定元素集A(1:n)，n?1，检索元素x是否在A中。 生成一个随机整数j，1?j?n；判断A(j)和x是否相等。 j?choice(1:n) if A(j)=x then print(j); success endif print(‘0’); failure 随机产生一个数，不确定的复杂度O(1) 确定的检索算法的复杂度为?(n). 不确定算法举例-不确定机上的分类问题 设A(i)是一个待分类的正整数集，设计不确定算法按照非降次序分类并输出。 辅助数组B，初始化为0 逐个将A中的元素，放入B(j),j为“猜测”出的正整数， 检查B中元素是否按非降次序排列。 判定问题 许多最优化问题都可以转化为判定问题。 很多问题满足性质： 判定问题在多项式时间内求解当且仅当对应的最优化问题可以在多项式时间内求解，反之亦然。 优化问题表示为判定问题形式 图着色问题： 已知n点图G=V,E，求对G的n个顶点进行着色的一种方法（相邻顶点颜色不同），使得所用颜色的总数最小。 已知n点图G=V,E，问图G是否可用k种颜色进行着色？ 优化的结果包含了判定的结果，但判定的结果并不包含优化结果。 从判定解不难得到它的最优解。 GCD(G,n)?GCD(G,n,k) k=2,3…,n 优化问题表示为判定问题形式-最大集团 最大集团 G的一个集团(clique) ：图G=V,E的最大完全子图。 集团的大小用所含的结点数来量度。 最大集团问题：确定G内最大集团的大小问题。 对应判定问题：对于某个给定的k，确定G是否有一个大小至少为k的集团。 优化问题表示为判定问题形式-最大集团 DCLIQUE(G,k) 为集团判定问题的一个确定判定算法： 1. 设|V|=n，G内的最大集团的大小可多次应用DCLIQUE(G,k)而求得。 2. 对于k=n, n?1, n?2,…直到DCLIQUE(G,k)输出为1为止。 如果DCLIQUE的时间复杂度为f(n),则最大集团的大小可在n?f(n)时间内求出。 如果最大集团的大小可以在g(n)时间内确定，则其判定问题也可在g(n)时间内求出。 优化问题表示为判定问题形式- 0/1背包问题 0/1背包的判定问题：对于给定的非负数R，pi和wi, 1≤i ≤n,确定是否存在一组xi的0/1赋值，使得?pixi≥R且?wixi ≤ M 如果0/1背包的判定问题不能在多项式时间内求解，那么与它相应的最优化问题也不能在多项式时间内求解。 不确定算法的时间复杂度 定义10.1 一个不确定算法所需的时间是指当存在一选择序列导致一成功完成时，为了完成任意给定的一个输入而达到成功完成所需步骤的最小值；在不成功完成的情况下所需的时间是O(1). 假如对于所有的大小为n(n?n0)的输入,导致成功完成需要的时间至多为c?f(n)，其中c和n0是两个常数，则这个不确定算法的复杂度为O(f(n)). 最大集团判定问题的不确定算法