算法设计与分析-王红梅-第2章_np完全理论.pptVIP

排序问题——输入I是一组整数X=(x1, x2, …, xn)，输出O是这组整数的一个排列xi1≤xi2≤…≤xin。 配对问题——输入I是两组整数X=(x1, x2, …, xn)和Y=(y1, y2, …, yn)，输出O是两组整数的元素配对，即X中的最小值与Y中的最小值配对，X中的次小值与Y中的次小值配对，依此类推。 例：配对问题到排序问题的变换 配对问题到排序问题的变换有助于建立配对问题代价的一个上限，因为上述输入和输出转换都是在多项式时间完成，所以，如果排序问题有多项式时间算法，则配对问题也一定有多项式时间算法。 假设存在算法A解决排序问题，则配对问题可以变换到排序问题： 1．把配对问题的输入I转化为排序问题的两个输入I1和I2； 2．排序这两组整数，即应用算法A对两个输入I1和I2分别排序得到两个有序序列O1 和O2 ； 3．把排序问题的输出O1和O2转化为配对问题的输出O，这可以通过配对每组整数的第一个元素、第二个元素、……来得到。 配对问题到排序问题的变换过程 定理2.3（计算时间下限归约）若已知问题Π的计算时间下限是T(n)，且问题Π可τ(n)变换到问题Π，即Π∝τ(n)Π，则T(n)－O(τ(n))为问题Π的一个计算时间下限。 定理2.4（计算时间上限归约） 若已知问题Π的计算时间上限是T(n)，且问题Π可τ(n)变换到问题Π，即Π∝τ(n)Π，则T(n)＋O(τ(n))为问题Π的一个计算时间上限。 计算时间下限归约： T(n) τ(n) T(n)－O(τ(n)) 计算时间上限归约：T(n)＋O(τ(n)) τ(n) T(n) 问题Π 变换 问题Π 定理2.5 设Π、Π和Π是三个判定问题，若Π∝pΠ且Π∝pΠ，则Π∝pΠ。 多项式时间复杂性具有闭包性。 2.4.2 NP完全问题的定义 定义2.6 令Π是一个判定问题，如果问题Π属于NP类问题，并且对NP类问题中的每一个问题Π，都有Π∝pΠ，则称判定问题Π是一个NP完全问题（NP Complete Problem），有时把NP完全问题记为NPC。 NP类问题 NP完全问题 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 算法设计与分析 清华大学出版社 第2章 NP完全理论 2.1 下界 2.2 算法的极限 2.3 P类问题和NP类问题 2.4 NP完全问题 2.5 实验项目——SAT问题 2.1 下界 对于任何待求解的问题，如果能找到一个尽可能大的函数g(n)（n为问题规模），使得求解该问题的所有算法都可以在Ω(g(n))的时间内完成，则函数g(n)称为该问题计算复杂性的下界（Lower Bound）。 如果已经知道一个和下界的效率类型相同的算法，则称该下界是紧密（Close）的。 意义：评价算法；改进算法。 对问题的输入中必须要处理的元素进行计数，同时，对必须要输出的元素进行计数。这种计数方法产生的是一个平凡下界（Ordinary Lower Bound）. 2.1.1 平凡下界 例 ：生成 n 个元素的所有排列对象的算法属于Ω(n!) 平凡下界往往过小而失去意义。 例：TSP问题的平凡下界是Ω(n2) 2.1.2 判定树模型 判定树（Decision Trees）是这样一棵二叉树：它的每一个内部结点对应一个形如x≤y的比较，如果关系成立，则控制转移到该结点的左子树，否则，控制转移到该结点的右子树，它的每一个叶子结点表示问题的一个结果。 在用判定树模型建立问题的时间下界时，通常忽略求解问题的所有算术运算，只考虑分支执行时的转移次数。 a1a2 a1a2a3 是 是 是 否 否 否 a1a3 a2a3 a2a1a3 a2a3 a3a2a1 a2a3a1 a1a3 a3a1a2 a1a3a2 否 否 是 是 例：对三个数进行排序的判定树 2.1.3 最优算法 所谓最优算法（Optimality Algorithm）是指在某一种度量标准下，优于该问题的所有（可能的）算法。 如果能够证明求解