|||
在现有的NP完备理论(Theory of NP-Completeness)中,一个典型的观念就是:“NP是可计算,但是难计算的”,如此,就有如下的问题分类:
问题
┌───────┴───────┐
可计算(可判定)问题 不可判定问题(判定问题)
┌───┴───┐
易计算(P) 难计算(NP)
因为流行的NP定义(Nondeterministic Polynomial time)基于NDTM(NonDeterministic Turing Machine),而NDTM的本质是“可判定,可计算”,至此NP就与“判定问题”脱离了关系,而相应的NP完备理论也与可计算性理论无关了。
“NP是可计算,但是难计算”的理由是,“NP存在着指数时间复杂度(精确求解)的算法,但目前还没找到多项式时间(精确求解)的算法”。我们认为,这样的观念存在着认知错误,其根源在于人们未深究“可计算性”的本质。
首先,“算法”是计算“实例”的,若一个算法具有“多项式时间复杂度”,表明机器的计算能力能胜任问题实例的规模增长,也就是图灵机的“可计算性”的意义。在这种情况下,可以推导出:对应的“问题”是“可计算的”,这实际上就是P的定义。
但是若算法具有“指数时间复杂度”,则说明机器的计算能力不能胜任问题实例规模的增长。比如:基于“穷举法”求解“SAT问题”的DPLL算法,由于其搜索空间是指数型,故相应的算法复杂度是“指数型”:O(2^n),n是“SAT问题”实例的规模。虽然DPLL能计算一些SAT问题实例,却不能一般性地推导出:DPLL能计算任何SAT问题实例,即不能说“SAT问题是可计算的”,所以:
1,当输入规模是“常量”时,针对“SAT问题实例”,“难”但“可计算”;
2,当输入规模是“变量”时,针对“SAT问题”,就“难”到“不可计算”了。
这就是我们反复分析的“实例与问题、常量与变量”所涉及到的“个别与一般”的二个不同层次,这类似于“人”的二个不同层次,比如说:“保持公共场所卫生,人人有责”,就不能说成“人类有责” 。正是在此意义上,我们认为:NP不是难计算,而是“难”到不可计算!
由于NP毕竟还是需要用计算机来“计算”的,为避免悖论的“不可说”,我们把NP定义为“不确定性问题(Nondeterministic Problem)”,而不称“不可计算问题”;把求解NP的算法定义为“不确定性算法(Nondeterministic Algorithm,NP-Algorithm)”,是有新的问题分类:
问题
┌───────┴───────┐
可计算问题(P) 不确定性问题(NP,判定问题)
如此,相应的理论就是与“可计算性理论”相对的“不确定性理论”(NP理论)了。
由此可见,我们的NP(Nondeterministic Problem)定义的基础是可计算性理论、图灵机和判定问题(Entscheidungsproblem),与流行的NP(Nondeterministic Polynomial time)定义有本质的区别,旨在还原NP消失了的“不确定性”。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-12-25 12:18
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社