任何一个计算机专业的研究人员，都可能了解 P vs NP问题；甚至有部分早就开始着手尝试攻克这一难题。该问题是2000年 Clay Mathematics Institute（CMI）公布的7个世纪难题之一（目前有1个已被攻破）。攻克其中任何一个可获得百万美金大奖；同时肯定还有其它大奖等着拿。这不仅是获奖的问题，一定会成为计算机和数学等相关学科理论研究的一个里程碑式突破。

  Gerhard Woeginger教授维护的非官方 P vs NP 网页数据显示，从1986到2016年5月，有全世界约116篇论文尝试解决该问题(其中中国学者在这个网站上的论文约10篇)，这些论文的结果至今仍然未得到包括CMI等国际权威机构和专家的公认，尽管有少数已经在国际期刊或会议上发表。 其中53% （62篇）认为答案是NP=P； 42% （49篇）认为答案是NP！=P；另外5%（5篇）认为该问题不可确定（Undecidable）, 或不可证明（Unprovable），或不可知（Unknown）。这些论文中有9篇是与TSP（Traveling Salesman Problem）问题相关的论文。

本人也是从TSP问题出发尝试解决这一问题，但是我不是尝试TSP问题的准确解，而是提出一个全新思路：对2006年UC Berkeley学者发表的Papadimitriou-Vempala定理（Christos H.Papadimitriou and Santosh Vempala, On the approximability of the travelingsalesman problem,Combinatorica 26 (1) (2006) 101-120.）进行NP=P的证明。该定理认为，除非NP=P， 对于TSP问题在理论上无法找到一个多项式时间内近似比低于（220/219）的算法。

  我开始尝试该问题，大概是在2009年左右利用部分业余时间。首先我需要找到一个质量更高（近似比低于1.0045）的近似算法。 很遗憾，从1976年哈佛学者N. Christofides建立了近似比为1.5的Christofides算法以来，全世界学者对于欧式空间满足三角形关系的TSP问题（有称为Metric TSP）尚无更好的近似比算法。在Christofides算法基础上并结合K.Helsgaun 教授的LKH算法（K. Helsgaun,Generalk-opt submoves for the Lin-Kernighan TSP heuristic. Mathematical ProgrammingComputation, 2009,doi: 10.1007/s12532-009-0004-6.）等业界已有结果，经过反复证明和验证，我们使用Truncated Generalized Beta Distribution（TGB）模型，能获得近似比更好的算法，在我们的论文（Wenhong Tian,Chaojie Huang, Xinyang Wang, Qin Xiong, ObtainingQuality-Proved Near Optimal Results for Traveling Salesman Problems, https://arxiv.org/abs/1502.00447，submitted Feb 2^nd 2015，已经录用，待正式发表）中，我们给出了我们的理论证明和使用TSPLIB实例计算的结果。 我们称该论文算法为TGB算法。

  2016年3月，我们又近一步，在TGB算法基础上提出Iterative Truncated Generalized Beta distribution Based on Christofides Algorithm (ITGBC)算法，针对2006年Papadimitriou-Vempala定理，我们首先从理论上证明通过ITGBC算法获得近似比低于1.0045的迭代条件；然后使用例子，包括所有对称型TSPLIB 例子和目前能够获得的巨无霸Metric TSP 问题（目前最大的World TSP问题，共有1,904,711个节点），甚至包括非对称（ATSP） TSBLIB例子，验证ITGBC算法都能在多项式时间内获得近似比低于1.0045的结果，从而提出了满足Papadimitriou-Vempala定理中NP=P的条件，因此证明NP=P.  该论文目前在https://arxiv.org/abs/1605.06183（2016年5月20日），同时在杂志评审中，欢迎同行指正，并提完善建议。

    非常感谢！