【计算理论】计算复杂性 ( NP 类不同表述 | 团问题 | P 对 NP 问题 )

简介: 【计算理论】计算复杂性 ( NP 类不同表述 | 团问题 | P 对 NP 问题 )

文章目录

一、NP 类不同表述

二、团问题

三、P 对 NP 问题 ( P vs NP )





一、NP 类不同表述


N P \rm NPNP 对应的 确定性图灵机 表述 :


N P \rm NPNP 类就是有 多项式时间验证机 的 语言 ( 计算问题 ) 的总体集合 ;


其中的 多项式时间验证机 是一个 确定性图灵机 , 验证机 ;



N P \rm NPNP 对应的 非确定性图灵机 表述 :


N P \rm NPNP 概念转化到 非确定性图灵机 中 , 有另外一个等价定义 ;


如果一个语言属于 N P \rm NPNP , 指的是有一些 非确定性图灵机 可以在 多项式时间 内解决该问题 ;



上述两个定义时等价的 ;



确定性图灵机 多项式时间 内 验证 ,


等价于 ,


非确定性图灵机 多项式时间 内 解决 ;






二、团问题


现在讨论哪些计算问题在 N P \rm NPNP 中 ;


团问题 是一个经典的 N P \rm NPNP 问题 ;



团 是一个无向图 点集 的 子集 , 使得 该点集子集 中 任何两个节点之间都有边相连 ;


团问题 就是 判定无向图中 , 是否包含有 k \rm kk 个节点的 团 ;




上述团问题 , 是 N P \rm NPNP 问题 ;


给定一个无向图 , 其中有一个 n \rm nn 个节点组成的集合 , 验证该 n \rm nn 集合是否是团 ;


验证的方法就是看这 n \rm nn 元集中的节点之间两两之间是否有边相连即可 ;


验证所花的时间是多项式时间 , 该计算问题在 N P \rm NPNP 中 ;






三、P 对 NP 问题 ( P vs NP )


P \rm PP 对 N P \rm NPNP 问题 是计算机科学中最著名的问题 ;


该问题直接涉及到对计算实质的理解 , 与密码学密切相关 ;


目前没有实质性进展 ;



参考 : 百度百科 - P 对 NP 问题



P ⊆ N P ⊆ E X P T I M E = ⋃ k T I M E ( 2 n k ) \rm P \subseteq NP \subseteq EXPTIME = \bigcup_k TIME(2^{n^k})P⊆NP⊆EXPTIME=⋃

k


TIME(2

n

k

)


P \rm PP 是 N P \rm NPNP 的子集 ,


N P \rm NPNP 是 指数级 ( e x p o n e n t \rm exponentexponent ) 时间 ( t i m e \rm timetime ) 的子集 ,


非确定性图灵机 , 如果要使用 确定性图灵机 来模仿的话 , 时间复杂度时指数级的 ;


参考博客 【计算理论】计算复杂性 ( 证明 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的指数关系 )



上述 3 33 个不同的复杂类 , 对应的计算模型是不一致的 ,


P \rm PP 对应的是 确定性单个带子图灵机 ,


N P \rm NPNP 对应的是 非确定性的单个带子图灵机 ,


E X P T I M E \rm EXPTIMEEXPTIME 对应的是 非确定性的单个带子图灵机 ;


目录
相关文章
|
7月前
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享(上)
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享
|
7月前
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享(下)
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享
|
机器学习/深度学习 数据采集 索引
探索数据的维度:多元线性回归在实际应用中的威力
探索数据的维度:多元线性回归在实际应用中的威力
|
7月前
R语言Copula函数股市相关性建模:模拟Random Walk(随机游走)
R语言Copula函数股市相关性建模:模拟Random Walk(随机游走)
|
7月前
|
算法 定位技术
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
165 2
|
7月前
|
机器学习/深度学习 运维 算法
高斯混合模型:GMM和期望最大化算法的理论和代码实现
高斯混合模型(gmm)是将数据表示为高斯(正态)分布的混合的统计模型。这些模型可用于识别数据集中的组,并捕获数据分布的复杂、多模态结构。
408 0
|
算法
算法第四章矩阵你真的了解吗?(二)
算法第四章矩阵你真的了解吗?(二)
222 0
算法第四章矩阵你真的了解吗?(二)
|
算法
算法第四章矩阵你真的了解吗?(一)
算法第四章矩阵你真的了解吗?(一)
119 0
算法第四章矩阵你真的了解吗?(一)
|
机器学习/深度学习
2022年数模国赛C题(岭回归、区间预测、矩阵热力图、Fisher判别分类模型)——总结心得(附最后一次数模经历,Matlab\SPSS\Lingo的理解综合)
2022年数模国赛C题(岭回归、区间预测、矩阵热力图、Fisher判别分类模型)——总结心得(附最后一次数模经历,Matlab\SPSS\Lingo的理解综合)
680 0
2022年数模国赛C题(岭回归、区间预测、矩阵热力图、Fisher判别分类模型)——总结心得(附最后一次数模经历,Matlab\SPSS\Lingo的理解综合)
【计算理论】计算复杂性 ( coNP 问题 | coNP 完全 | P、NP、coNP 相互关系 )
【计算理论】计算复杂性 ( coNP 问题 | coNP 完全 | P、NP、coNP 相互关系 )
529 0
【计算理论】计算复杂性 ( coNP 问题 | coNP 完全 | P、NP、coNP 相互关系 )
下一篇
DataWorks