เหตุผลหนึ่งที่เราเห็นความซับซ้อนการประมาณที่แตกต่างกันสำหรับปัญหา NP-complete คือเงื่อนไขที่จำเป็นสำหรับ NP-complete เป็นมาตรการหยาบที่ซับซ้อนมากของความซับซ้อนของปัญหา คุณอาจคุ้นเคยกับคำนิยามพื้นฐานของปัญหากำลังทำปัญหา NP:Π
- Πอยู่ใน NP และ
- สำหรับปัญหาอื่น ๆใน NP เราสามารถเปลี่ยนอินสแตนซ์ของเป็นอินสแตนซ์ของในเวลาพหุนามว่าคือใช่ - อินสแตนซ์ของถ้าหากเป็นใช่ - อินสแตนซ์ของนΞxΞYΠYΠxΞ
พิจารณาเงื่อนไขที่ 2: ทั้งหมดที่จำเป็นคือเราสามารถนำและแปลงให้เป็นที่รักษาคำตอบ "single-bit" ใช่ / ไม่ใช่ ตัวอย่างเช่นไม่มีเงื่อนไขเกี่ยวกับขนาดสัมพัทธ์ของพยานต่อใช่หรือไม่ใช่ (กล่าวคือขนาดของโซลูชันในบริบทการปรับให้เหมาะสม) ดังนั้นการวัดเพียงอย่างเดียวที่ใช้คือขนาดรวมของอินพุตซึ่งให้สภาพที่อ่อนแอมากกับขนาดของโซลูชัน ดังนั้นก็สวย "ง่าย" ที่จะเปิดเป็น\xYΞΠ
เราสามารถเห็นความแตกต่างของปัญหาที่เกิดขึ้นกับ NP ได้โดยดูที่ความซับซ้อนของอัลกอริธึมง่ายๆ -Coloring มีแรงเดรัจฉาน (โดยที่คือขนาดอินพุต) สำหรับ -Dominating ชุดวิธีการบังคับเดรัจฉานใช้เวลา{k}) นี่คืออัลกอริธึมที่ดีที่สุดที่เรามี -Vertex Cover แต่มีอัลกอริธึมง่ายมาก(เลือกขอบสาขาที่ปลายทางที่จะรวมทำเครื่องหมายครอบคลุมทั้งหมดไปเรื่อย ๆ จนกว่าคุณจะไม่มีขอบไม่มีเครื่องหมายหรือคุณกด งบประมาณของคุณเป็นkO ( kn)nkO ( nk)kO ( 2)knค)kและ bactrack) ภายใต้การลดพหุนามแบบหลายต่อหลายครั้ง (การลด Karp คือสิ่งที่เรากำลังทำในเงื่อนไขที่ 2 ด้านบน) ปัญหาเหล่านี้เทียบเท่ากัน
เมื่อเราเริ่มที่จะเข้าใกล้ความซับซ้อนด้วยเครื่องมือที่ละเอียดอ่อนกว่าเล็กน้อย (ความซับซ้อนโดยประมาณ, ความซับซ้อนของพารามิเตอร์, อื่น ๆ ที่ฉันนึกไม่ออก), การลดลงที่เราใช้จะเข้มงวดมากขึ้นหรือค่อนข้างอ่อนไหวต่อโครงสร้างของโซลูชันและ ความแตกต่างเริ่มปรากฏ; -Vertex Cover (ตามที่ Yuval กล่าว) มีการประมาณแบบง่าย ๆ 2 แบบ (แต่ไม่มี FPTAS ยกเว้นบางคลาสที่ซับซ้อนซับซ้อนล่มสลาย), -Dominating Set มี - อัลกอริทึมการประมาณ (แต่ไม่มี - การประมาณค่าสำหรับ ) และการประมาณค่านั้นไม่สมเหตุสมผลเลยสำหรับรุ่นต่อไปของ cololoringk ( 1 + log n ) ( c log n ) c > 0 kkk(1+logn)(clogn)c>0k