基础知识 - 延伸-计算理论：P和NP问题 - 《数据结构和算法（Golang实现）》

在计算机科学中，有一个专门的分支研究问题的可计算性，叫做计算理论。

我们用计算机算法来解决一个问题，如果一个问题被证明很难计算，或者只能暴力枚举来解决，那么我们就不必花大力气去质疑使用的算法是不是错了，为什么这么慢，计算怎么久都没出结果，到底有没有更好的算法。

计算机科学把一个待解决的问题分类为：P 问题，NP 问题，NPC 问题，NP-hard 问题。

一、P 和 `NP` 问题

类似于 O(1)，O(logn)，O(n) 等复杂度，规模 n 出现在底数的位置，计算机能在多项式时间解决，我们称为多项式级的复杂。

类似于 O(n!)，O(2^n) 等复杂度，规模 n 出现在顶部的位置，计算机能在非多项式时间解决，我们称为非多项式级的复杂度。

如果一个问题，可以用一个算法在多项式时间内解决，它称为 P 问题(P 为 Polynominal 的缩写，多项式)。

比如求1加到100的总和，它的时间复杂度是 O(n)，是多项式时间。

然而有些问题，只能用枚举的方式求解，时间复杂度是指数级别，非多项式时间，但是只要有一个解，我们能在多项式时间验证这个解是对的，这类问题称为 NP 问题。

也就是说，如果我们只能靠猜出问题的一个解，然后可以用多项式时间来验证这个解，这些问题都是 NP 问题。

所以，按照定义，所有的 P 问题都是 NP 问题。

计算理论延伸出了图灵机理论，自动机=算法。

有两种自动机，一种是确定性自动机，机器从一个状态到另外一个状态的变化，只有一个分支可以走，而非确定性自动机，从一个状态到另外一个状态，有多个分支可以走。P 问题都可以用两种机器来解决，当非确定性自动机退化就变成了确定性自动机，而 NP 问题只能用非确定性自动机来解决。

自动机对 N 和 NP 问题的定义：

可以在确定性自动机以多项式时间解决的问题，称为 P 问题，可以在多项式时间验证答案的问题称为 NP 问题。而 NP 问题是可以在非确定型自动机以多项式时间解决的问题（NP 两字为 Non-deterministicPolynomial 的缩写，非确定多项式）。

数学，计算机科学，哲学，三个学科其实交融在一起，自动机是一台假想的机器，世界其实也可以认为是一个假想的机器，所以世界可以等于一台自动机吗，大家可以发挥想象力，在以后的日子里慢慢体会，建议购买书籍《计算理论》补习相关知识。

存在这样一个 NP 问题，所有的 NP 问题都可以约化成它。换句话说，只要解决了这个问题，那么所有的 NP 问题都解决了。其定义要满足2个条件：

这种问题称为 NP 完全问题（NPC）。按照这种定义，NP 问题要比 NPC 问题的范围广。

那什么是 NP-hard 问题，其定义要满足2个条件：

也就是说，NP-hard 问题更难，你只要解决了 NP-hard 问题，那么所有的 NP 问题都可以解决。但是，这个问题本身不是一个 NP 问题，也就是解不能在多项式时间内被验证。

比如你有一个交际网，每个人是一个节点，认识的人之间相连。你要通过一个最快、最省钱、最能提升你个人形象、最没有威胁、最不影响你日常生活的方式认识一个萌妹，你怎么证明你认识这个萌妹是最省钱的呢？-来自知乎回答。

我们一旦发现一个问题是 NPC 问题，那么我们很难去准确求出其解，只能暴力枚举，靠猜。

各类问题可以用这个图来表示：

“P=NP“ 问题的目标，就是想要知道 P 和 NP 这两个集合是否相等。为了证明两个集合（ A 和 B）相等，一般都要证明两个方向：

我们已经说过 NP 包含了 P。因为任何一个非确定性机器，都能被当成一个确定性的机器来用。你只要不使用它的“超能力”，在每个分支点只探索一条路径就行。

所以 “P=NP“ 就在于 P 是否也包含了 NP。也就是说，如果只使用确定性计算机，能否在多项式时间之内，解决所有非确定性计算机能在多项式时间内解决的问题。