ถึงแม้ว่าสำหรับปัญหาที่ได้รับความนิยมบางอย่างมันเป็นความจริงฉันคิดว่าสมมติฐานทั้งสองนั้นขึ้นอยู่กับสิ่งที่คุณกำหนดว่าเป็นปัญหาการเพิ่มประสิทธิภาพ - ไม่ใช่ความจริง
ครั้งแรกบางคำจำกัดความ: ปัญหาการเพิ่มประสิทธิภาพมากที่สุดคือไม่ได้เป็นส่วนหนึ่งของปัญหา ตัวอย่างเช่นสำหรับปัญหาเป้ : หนึ่งไม่สามารถใช้ประโยชน์จากการไม่กำหนดเพื่อสร้างกระเป๋าที่มีค่าที่สุดง่าย ๆ เพราะสาขาที่ไม่ได้กำหนดไว้แตกต่างกันไม่มีหน่วยความจำที่ใช้ร่วมกัน NPนอกจากนี้ยังหมายถึง "การตรวจสอบ polynomially" [1, p. 34]
(การตรวจสอบใบรับรอง) ในกรณีนี้ใบรับรองจะใช้เป็นถุง : บิตสตริงโดยที่หากมีการตั้งค่าบิตi- th จะหมายถึงรายการi- th ที่เป็นส่วนหนึ่งของกระเป๋า แน่นอนคุณสามารถตรวจสอบในเวลาพหุนามถ้าถุงดังกล่าวมีค่ามากกว่าเกณฑ์ที่กำหนด (นี่คือตัวแปรการตัดสินใจ) แต่คุณไม่สามารถ - เท่าที่เรารู้ - โดยใช้ถุงเดียว (จำนวนถุงพหุนาม) ให้ตัดสินใจว่ากระเป๋าใบนั้นมีค่าที่สุดสำหรับกระเป๋าที่เป็นไปได้ทั้งหมดหรือไม่ นั่นคือความแตกต่างที่สำคัญระหว่างเช่นNPและEXP : ในEXPคุณสามารถระบุถุงที่เป็นไปได้ทั้งหมดและทำบัญชีเกี่ยวกับกระเป๋าใบที่ดีที่สุด
ตัวแปรการตัดสินใจของปัญหาการเพิ่มประสิทธิภาพคือในบางส่วนกรณีของการNPหนึ่งต้องการที่จะสร้างความแตกต่างที่ชัดเจนระหว่างรสชาติสูงสุดและรสชาติตัดสินใจ ในรสชาติของการตัดสินใจคำถามคือ: " เมื่อได้รับปัญหาการปรับให้เหมาะสมและยูทิลิตี้ที่ถูกผูกไว้จะมีวิธีการแก้ปัญหาที่มียูทิลิตี้มากกว่าหรือเท่ากับขอบเขตนั้น " (หรือแก้ไขเล็กน้อยสำหรับปัญหาการย่อเล็กสุด)
ฉันยังคิดว่าโดยNPคุณหมายถึงส่วน (สมมุติ) ของNPที่ไม่ได้เป็นส่วนหนึ่งของP ถ้าP = NPแน่นอนว่าNP-completeยังคงมีอยู่ แต่มันจะเท่ากับP (เกิดขึ้นพร้อมกับ P สำหรับการลดความคิดบางอย่างเช่นพหุนามเวลา - ลดลงหลายคนโดย @ AndrásSalamon) ซึ่งไม่น่าประทับใจ ( และจะลด " ช่องว่าง " ที่คุณระบุในคำถามของคุณ)
ฉันสังเกตว่าปัญหาที่ไม่ต่อเนื่องส่วนใหญ่เป็นปัญหาที่สมบูรณ์
ตอนนี้เรามีการจัดเรียงที่ออก: มีจำนวนมากที่มีปัญหาการเพิ่มประสิทธิภาพที่อยู่ในP : ปัญหาเส้นทางที่สั้นที่สุด , ปัญหาการไหลสูงสุด (สำหรับความจุหนึ่ง) ขั้นต่ำต้นไม้ทอดและการจับคู่สูงสุด แม้ว่าปัญหาเหล่านี้อาจดูเหมือน "ไม่สำคัญสำหรับการแก้ปัญหา" สำหรับคุณ แต่ปัญหาเหล่านี้ยังคงเป็นปัญหาการปรับให้เหมาะสมที่สุดและในหลายกรณีการก่อสร้าง (และพิสูจน์ความถูกต้อง) ไม่ใช่เรื่องง่าย ดังนั้นการอ้างสิทธิ์จึงไม่ถือปัญหาที่ไม่ต่อเนื่องทั้งหมดคือ NP-complete ได้รับPไม่เท่ากับNPปัญหาเหล่านี้จึงไม่สามารถNP-สมบูรณ์
ΣPi
ในขณะที่การแก้ปัญหาอย่างต่อเนื่องสามารถทำได้อย่างง่ายดาย
ปัญหาอย่างต่อเนื่องเป็นที่นิยมที่เป็นNP-ยากคือการเขียนโปรแกรมการกำลังสอง
x⃗
x⃗ T⋅Q⋅x⃗ 2+c⃗ T⋅x⃗
A⋅x⃗ ≤b⃗
การเขียนโปรแกรมเชิงเส้นจริง ๆ แล้วถือว่าNP-hardเช่นกัน แต่ด้วยฮิวริสติกที่มีประสิทธิภาพดีมาก( วิธีSimplex ) อัลกอริทึม Karmarkar ของมี แต่ในP
จากช่วงเวลาที่เกิดปัญหาการปรับให้เหมาะสมกับวัตถุที่ไม่นูนโดยทั่วไปมันจะยาก - ถ้าไม่เป็นไปไม่ได้ - เพื่อค้นหาอัลกอริทึมที่มีประสิทธิภาพ
บรรณานุกรม
[1]
การคำนวณความซับซ้อนวิธีการที่ทันสมัย , Sanjeev ร่าและโบอาส Barak