【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
|
4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
|
4月前
用SAS进行泊松,零膨胀泊松和有限混合Poisson模型分析
用SAS进行泊松,零膨胀泊松和有限混合Poisson模型分析
|
4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
|
4月前
|
算法 数据可视化
R语言中的模拟过程和离散化:泊松过程和维纳过程
R语言中的模拟过程和离散化:泊松过程和维纳过程
|
4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。
315 0
|
资源调度 Python
R语言-建模(广义)线性(加性、混合)模型
本分分享了在R语言中不同 线性、非线性方法进行建模的使用指南,以供参考
536 0
|
数据采集 自然语言处理 算法
广义学习矢量量化(GLVQ)分类算法介绍和代码实现
广义学习矢量量化(Generalized Learning Vector Quantization,GLVQ)是一种基于原型的分类算法,用于将输入数据分配到先前定义的类别中。
153 0
广义学习矢量量化(GLVQ)分类算法介绍和代码实现
|
机器学习/深度学习 人工智能 数据挖掘
【机器学习】主成分分析(PCA)——利用特征值分解(EVD)(理论+图解+公式推导)
【机器学习】主成分分析(PCA)——利用特征值分解(EVD)(理论+图解+公式推导)
288 0
【机器学习】主成分分析(PCA)——利用特征值分解(EVD)(理论+图解+公式推导)
|
机器学习/深度学习 人工智能 BI
【机器学习】支持向量机(SVM)——软间隔线性不可分(理论+图解+公式推导)
【机器学习】支持向量机(SVM)——软间隔线性不可分(理论+图解+公式推导)
182 0
【机器学习】支持向量机(SVM)——软间隔线性不可分(理论+图解+公式推导)
|
机器学习/深度学习 小程序
实例复习机器学习数学 - 2. 几种典型离散随机变量分布
实例复习机器学习数学 - 2. 几种典型离散随机变量分布
实例复习机器学习数学 - 2. 几种典型离散随机变量分布