清华大学算法导论课程---NP课件最终版.pptVIP

内容 算法的极限 易解问题和难解问题 实际问题难以求解的原因 P类问题和NP类问题 判定问题 确定性算法与P类问题 非确定性算法与NP类问题 NP完全问题 问题变换与计算复杂性规约 基本的NP完全问题及其判定 NP完全问题的计算机处理 概念讲授说明 P类问题和NP类问题的严格定义一般都是利用形式语言体系（语言类）或图灵机理论讲授的。 在计算复杂性理论中，经常考虑的是判定问题，因为判定问题可以很容易地表达为语言的识别问题，从而方便地在某种计算机模型上进行求解 语言识别问题是一种特殊的判定问题 我们从算法的角度为P类问题和NP类问题给出一种非形式化的简单解释 易解问题和难解问题 如果一个问题Π存在一个时间复杂性是O(nk)的算法，则称问题Π存在多项式时间算法。 通常将存在多项式时间算法的问题看做是易解问题，将需要指数时间算法解决的问题看做是难解问题。 计算机性能的提高对多项式时间算法和指数时间算法的影响不同 增长率高的算法从机器性能提高中相对而言得益较少！ 多项式时间复杂性具有闭包性 多项式函数通过算数运算的组合或重叠，得到的函数仍然是多项式阶的 多项式时间复杂性具有独立性 在某一计算模型下有多项式时间，在其它模型下也一定具有多项式时间。 实际问题难以求解的原因 （1）问题的解空间太大 合取范式可满足问题（CNF-SAT问题）：判断包含一些布尔变量的合取范式是否为真。例如对于包含100个布尔变量的合取范式 问题是要找出每个变量xi (1=i=100)的真值指派，使得F(x)=TRUE 100个变量就有2100可能解。（15亿年算十分之一，每秒测试1000个串）。 著名的Cook定理使SAT问题成为第一个被证明的NP完全问题。（SAT和CNF-SAT是多项式等价的） 实际问题难以求解的原因 （2）评估函数难以确定 我们希望评估函数能够评价可能解的质量，越接近正确答案的可能解应该产生越好的评估值，从而使问题的求解想着正确的方向前进。那么如何区分这些可能解得优劣呢？对于SAT问题，其评估函数难以确定。因为如果想用评估函数指引我们比蛮力法更快地找到解的话，那就不仅仅是要知道结果是TRUE还是FALSE了，这就使得解SAT问题的算法立刻复杂起来。 P类问题和NP类问题 P类问题和NP类问题的严格定义是针对语言识别问题（语言识别问题是一种特殊的判定问题）基于某种计算模型给出的： 图灵机模型 RAM模型 从算法的角度为P类问题和NP类问题给出一种非形式化的简单解释 在计算复杂性理论中，经常考虑的是判定问题，因为判定问题可以容易地表达为语言的识别问题，从而方便在某种计算模型上求解。 非确定性算法与NP类问题 可以用另外一种方式理解非确定性算法。假设有一个可以同时测试所有可能答案的超级并行计算机，对于需要求解的问题Π，给出解答的一个猜测，检查并验证这个猜测是否是问题的正确解，猜测问题的正确答案，然后并行检查或验证所有可能答案，以确定哪一个正确的思想就是非确定性。 显然，非确定性算法不是一个可以实际可行的算法，引入非确定性算法的目的在于给出NP类问题的定义，从而将验证过程为多项式时间的问题归为一类进行研究。 汉诺塔的传说 在印度，有这么一个古老的传说：在世界中心贝拿勒斯（在印度北部）的圣庙里，一块黄铜板上插着三根宝石针。印度教的主神梵天在创造世界的时候，在其中一根针上从下到上地穿好了由大到小的64片金片，这就是所谓的汉诺塔。不论白天黑夜，总有一个僧侣在按照下面的法则移动这些金片：一次只移动一片，不管在哪根针上，小片必须在大片上面。僧侣们预言，当所有的金片都从梵天穿好的那根针上移到另外一根针上时，世界就将在一声霹雳中消灭，而梵塔、庙宇和众生也都将同归于尽。 不管这个传说的可信度有多大，如果考虑一下把64片金片，由一根针上移到另一根针上，并且始终保持上小下大的顺序。这需要多少次移动呢?这里需要递归的方法。假设有n片，移动次数是f(n).显然f(1)=1,f(2)=3,f(3)=7,且f(k+1)=2*f(k)+1。此后不难证明f(n)=2^n-1。n=64时，f(64)= 2^64-1=18446744073709551615 假如每秒钟一次，共需多长时间呢？一年大约有秒，计算表明移完这些金片需要5800多亿年，比地球寿命还要长，事实上，世界、梵塔、庙宇和众生都早已经灰飞烟灭。 汉诺塔问题不是NP类问题，因为对于给定的n（层数），汉诺塔验证需要O(2^n)步进行验证（打印出正确的移动集合），因此不能在多项式时间猜测并验证一个答案。 尽管NP类问题是对于判定问题定义的，事实上，可以在多项式时间应用非确定性算法解决的所有问题都属于NP类问题。 P类问题和NP类问题的差别在于 P类问题可以用多项式时间的确定性算法来进行判定或求解