【计算理论】计算复杂性 ( coNP 问题 | coNP 完全 | P、NP、coNP 相互关系 )

简介: 【计算理论】计算复杂性 ( coNP 问题 | coNP 完全 | P、NP、coNP 相互关系 )

文章目录

一、coNP 类

二、coNP 完全

三、P、NP、coNP 相互关系





一、coNP 类


如果 语言 L \rm LL 在 c o N P \rm coNPcoNP 中 , 那么 该语言的补集在 N P \rm NPNP 中 ;



c o N P \rm coNPcoNP 示例 :


布尔逻辑 p \rm pp 是重言式 , 由 重言式 所组成的语言 称为 T A U T \rm TAUTTAUT ,


T A U T \rm TAUTTAUT 语言就是在 c o N P \rm coNPcoNP 中 ;


符号化表示 : T A U T = { < p > : p 是 重 言 式 } \rm TAUT = \{ <p> : p 是重言式 \}TAUT={<p>:p是重言式}



T A U T \rm TAUTTAUT 语言的 补集 , 如果不是重言式 , 那就意味着 存在这一个赋值 , 使得布尔逻辑 p \rm pp 为假 , 这个计算问题是 N P \rm NPNP 的 ;



重言式 是 永真式 , 矛盾式 是 永假式 ;






二、coNP 完全


上述 T A U T \rm TAUTTAUT 语言 是 c o N P \rm coNPcoNP 完全的 ;



c o N P \rm coNPcoNP 完全 :


① 计算问题 在 c o N P \rm coNPcoNP 中 ;


② c o N P \rm coNPcoNP 中 任何计算问题 , 都可以在 多项式时间内规约 到该计算问题中 ;






三、P、NP、coNP 相互关系


c o N P \rm coNPcoNP 与 N P \rm NPNP 是交叉的 , 但 二者之间没有包含关系 ,


P \rm PP 在 c o N P \rm coNPcoNP 与 N P \rm NPNP 交集部分 ,


N P \rm NPNP 完全 是在 N P \rm NPNP 中除 " c o N P \rm coNPcoNP 与 N P \rm NPNP 交集 " 之外的部分中 ;


c o N P \rm coNPcoNP 完全 是在 c o N P \rm coNPcoNP 中除 " c o N P \rm coNPcoNP 与 N P \rm NPNP 交集 " 之外的部分中 ;

image.png




计算问题的计算复杂度 不只是有 P \rm PP , N P \rm NPNP , N P \rm NPNP 完全 , 三类 ;


从上述 P \rm PP , N P \rm NPNP , N P \rm NPNP 完全 三个复杂类出发 , 可以得到不同的复杂类 ;


使用全程量词 , 存在量词 , 交替使用 , 定义不同的复杂类 ;


可以定义无穷多复杂类 ;



计算理论只关注 P \rm PP , N P \rm NPNP , N P \rm NPNP 完全 三个复杂类 , 这是三个最基本的复杂类 , 通过三个基本复杂类可以衍生无数个复杂类 ;


目录
相关文章
|
8月前
|
机器学习/深度学习 PyTorch 测试技术
从训练到推理:Intel Extension for PyTorch混合精度优化完整指南
PyTorch作为主流深度学习框架,凭借动态计算图和异构计算支持,广泛应用于视觉与自然语言处理。Intel Extension for PyTorch针对Intel硬件深度优化,尤其在GPU上通过自动混合精度(AMP)提升训练与推理性能。本文以ResNet-50在CIFAR-10上的实验为例,详解如何利用该扩展实现高效深度学习优化。
439 0
|
9月前
|
数据采集 自然语言处理 调度
优化通义大模型推理性能:企业级场景下的延迟与成本削减策略
本文基于金融、电商、医疗等领域的实战经验,深入探讨通义千问等大模型的推理优化技术栈。从计算图优化、批处理策略、量化压缩到系统架构四个维度展开,结合Python代码示例与压力测试数据,提供企业级解决方案。针对延迟敏感、高吞吐及成本敏感场景,分析性能瓶颈并提出算子融合、动态批处理、混合精度量化等方法,同时设计分布式推理架构与冷启动优化策略。通过案例展示,如电商大促场景优化,实现峰值QPS提升6.5倍、P99延迟降低53%、月度成本下降62%。文章还提供优化实施路线图,助力企业分阶段落地技术方案。
1040 5
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
1859 1
|
Java 测试技术 持续交付
自动化测试实践:从单元测试到集成测试
【6月更文挑战第28天】-单元测试:聚焦代码最小单元,确保每个函数或模块按预期工作。使用测试框架(如JUnit, unittest),编写覆盖所有功能和边界的测试用例,持续集成确保每次变更后自动测试。 - 集成测试:关注模块间交互,检查协同工作。选择集成策略,编写集成测试用例,模拟真实环境执行测试,整合到CI/CD流程以持续验证软件稳定性。 自动化测试提升软件质量,降低成本,加速开发周期,是现代软件开发不可或缺的部分。
|
存储 关系型数据库 MySQL
MySQL表空间结构与页、区、段的定义
一、概念引入 1、页 InnoDB是以页为单位管理存储空间的,在InnoDB中针对不同的目的设计了各种不同类型的页面。如下(省略了FIL_PAGE或FiL_PAGE_TYPE的前缀):
|
搜索推荐 Java Go
希尔排序:优化的插入排序
希尔排序:优化的插入排序
315 2
|
存储 人工智能 C语言
数据结构基础详解(C语言): 栈的括号匹配(实战)与栈的表达式求值&&特殊矩阵的压缩存储
本文首先介绍了栈的应用之一——括号匹配,利用栈的特性实现左右括号的匹配检测。接着详细描述了南京理工大学的一道编程题,要求判断输入字符串中的括号是否正确匹配,并给出了完整的代码示例。此外,还探讨了栈在表达式求值中的应用,包括中缀、后缀和前缀表达式的转换与计算方法。最后,文章介绍了矩阵的压缩存储技术,涵盖对称矩阵、三角矩阵及稀疏矩阵的不同压缩存储策略,提高存储效率。
1082 9
|
网络协议 数据库 网络架构
ENSP中OSPF多区域管理 (原理和配置)
OSPF 多区域的主要作用是缩小链路状态数据库和路由表的规模,减少路由更新的频率,提高网络的可扩展性,实现路由过滤和路由汇总,从而提高网络的性能、稳定性、安全性和可管理性。OSPF 多区域的主要作用如下ABR的摘要 配置命令
1026 0
ENSP中OSPF多区域管理 (原理和配置)
|
UED
Axure的小技巧,你知道多少?
Axure的小技巧,你知道多少?
333 2
|
负载均衡 网络协议 算法
ensp中ospf基础 原理及配置命令(详解)
ensp中ospf基础 原理及配置命令(详解)
1627 2

热门文章

最新文章