第四讲NP完全理论.pptVIP

NP完全性理论 内容 计算的形式描述－－计算模型 可计算性理论 P类与NP类问题 NP完全性理论 NP完全性的典型例子 1 理论计算模型－图灵机 A.Turing在1936年介绍了这样一个通用的计算模型，该模型具有以下两个性质 该模型的每个过程都是有穷可描述的； 过程必须是由离散的、可以机械执行的步骤组成。 图灵机是计算机的一种简单数字模型，尽管简单，但它具有模拟通用计算机的计算能力。为算法和可计算性研究提供了形式化描述工具。 图灵机（Turing Machine) 带子可读可写 无限长的带子 读写头可左移右移 图灵机的工作机制 在一个图灵机的动作中，图灵机根据带头（读写头）所扫描的符号和有限控制器的状态可能作 改变状态 在被扫描的带单元上重新写一个符号，以代替原来写在该单元上的符号. 将带头向左或者右移一个单元。 。 其他图灵机模型 “实际的”的图灵机模型 单带图灵机（1TM） 多带图灵机（kTM） 随机存取机（RAM） “实际的” 单位时间内完成的工作量有一个多项式上界 所有“实际的”计算模型多项式时间等价 2 P类与NP类问题 算法的时间复杂度（分成二类） 多项式时间 指数时间 可计算与不可计算 指数灾难：计算量的指数增长 Non-deterministic algorithms 目前所講的算法都有一個前提假設，就是它的每個運算(operation)的結果都是獨一(確定)的。這種性質的算法可以在實際的電腦上執行，稱為 deterministic algorithms. 在討論計算理論時，可以將這種限制拿掉，也就是可以假設一個運算的結果不唯一，可能是某 n 個結果中的一個，而且一定會是正確的那一個。這樣子的算法稱為 non-deterministic algorithm。這種算法無法在實際的電腦上執行。 我們定義下列三個涵數來說明這種算法。 Choice(S): 從 S 中選一個正確的答案來(若正確答案存在的話)。 Failure(): 沒有成功地完成工作。 Success(): 成功地完成工作 這三個涵數的執行時間都是 O(1)。 只有在不可能有正確答案的情形下， non-deterministic algorithm 才無法成功地完成工作。 一個可以執行 non-deterministic algorithm 的機器稱為 non-deterministic machine. Example 1 searching A[1:n] 是一個 n 個元素的集合，要在 A 中搜尋一個元素 x 的 non-deterministic algorithm 如下： int j = Choice(1, n); if (A[j] == x) {cout j; Success();} cout ‘0’; Failure(); 因為 Choice(1, n) 一定會找出一個正確的值，所以拿它找出來的值 j 來比較 A[j] == x 若不成立的話，就表示 x 不在 A 裡面。Time complexity 是 O(1)。 Example 2 Sorting 要將 A[1:n] 中的元素作 non-decreasing 的排列，non-deterministic algorithm 如下 void Nsort(int A[], int n) { int B[SIZE], i, j; for(i=1;i = n;i++) B[i] = 0;//初值化 for(i=1;i = n;i++) { j = Choice(1, n);//選一個正確的位置 if(B[j]) Failure();//確認B[j] 沒有被用過 B[j] = A[i]; } for(i = 1;i = n-1;i++) if(B[i] B[i+1]) Failure();//作確認 for(i=1;i = n;i++) cout B[i] ‘ ‘; cout endl; Success(); } 要如何來看待 non-deterministic algorithm 呢？ 可以用平行處理的角度來看，也就是當作同時有很多很多機器一起作同一個問題，每個機器用不同的 choice 的結果來作，若有一個成功的話，其他的就不用再作；若某個失敗、就自己停下來即可。 另外更好的解釋是，實際上可能有一種方法可以選擇一個正確的答案出來(只要正確答案存在)，只是我們還不曉得而已（上帝知道），Choice(S) 就代表可以找到 S 中正確答案的函數(若正確答案存在)。若正確答案不存在的話，Choice(S) 還是會找出一個答案，所以我們需要確認此答案是否