【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
|
6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
|
5月前
|
机器学习/深度学习 算法 PyTorch
算法金 | 这次终于能把张量(Tensor)搞清楚了!
本文是关于PyTorch中张量(Tensor)的入门教程,由全网同名\[算法金\]作者撰写。文章介绍了张量的基础概念,强调其在深度学习中的核心地位,并阐述了张量与向量、矩阵的关系。接着,详细讲解了如何在PyTorch中创建和操作张量,包括张量的数学运算、广播机制、索引切片以及变形与重塑。此外,还涉及张量的高级功能,如自动求导系统和高级数学函数。最后,文章提到了张量在深度学习中的应用、性能优化技巧和调试方法,鼓励读者通过实践提升技能。
586 1
算法金 | 这次终于能把张量(Tensor)搞清楚了!
|
6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
|
6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)
|
6月前
|
数据可视化
R语言中的广义线性模型(GLM)和广义相加模型(GAM):多元(平滑)回归分析保险资金投资组合信用风险敞口
R语言中的广义线性模型(GLM)和广义相加模型(GAM):多元(平滑)回归分析保险资金投资组合信用风险敞口
|
机器学习/深度学习 决策智能
矩阵分析 (六) 矩阵的函数
矩阵分析 (六) 矩阵的函数
113 0
【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 )
496 0
【计算理论】计算复杂性 ( coNP 问题 | coNP 完全 | P、NP、coNP 相互关系 )
|
机器学习/深度学习
【计算理论】计算复杂性 ( 3-SAT 是 NP 完全问题 | 团问题是 NP 完全问题 | 团问题是 NP 完全问题证明思路 )
【计算理论】计算复杂性 ( 3-SAT 是 NP 完全问题 | 团问题是 NP 完全问题 | 团问题是 NP 完全问题证明思路 )
478 0
【计算理论】计算复杂性 ( 3-SAT 是 NP 完全问题 | 团问题是 NP 完全问题 | 团问题是 NP 完全问题证明思路 )
|
算法
【计算理论】计算理论总结 ( P 、NP 、NPC 总结 ) ★★
【计算理论】计算理论总结 ( P 、NP 、NPC 总结 ) ★★
546 0
【计算理论】计算理论总结 ( P 、NP 、NPC 总结 ) ★★
【计算理论】计算复杂性 ( NP 完全问题 | 顶点覆盖问题 | 哈密顿路径问题 | 旅行商问题 | 子集和问题 )
【计算理论】计算复杂性 ( NP 完全问题 | 顶点覆盖问题 | 哈密顿路径问题 | 旅行商问题 | 子集和问题 )
366 0
【计算理论】计算复杂性 ( NP 完全问题 | 顶点覆盖问题 | 哈密顿路径问题 | 旅行商问题 | 子集和问题 )