第679章 回到研究状态
『如果章节错误，点此举报』
第(2/3)页
舟动手整理了起来。
晚上的这点时间，他并不打算再耗在规范场理论上面了。
他准备正式开始NP完全问题的研究。
拿出一沓新的草稿纸后，陈舟顺手打开了电脑。
将草稿纸放在一边，陈舟登陆了各大检索网站，开始搜索NP完全问题相关的文献资料。
通过大量文献资料的溯源与灵感寻找，是陈舟长久以来习惯使用的研究方法。
也是在一个新的研究课题开始时，陈舟必定会经历的一个过程。
随着第一篇文献资料的下载完成，陈舟移动鼠标，点开了这篇文献资料。
然后再次拿来草稿纸，拧开笔盖，准备刷文献。
NP完全问题，也叫NP-C问题。
是多项式复杂程度的非确定性问题。
简单的写法就是“NP=P？”。
问题也就在这个问号上面。
到底是NP等于P，还是NP不等于P。
当然，几乎绝大多数的人，都希望NP等于P。
因为这背后的实际意义，太过重大。
只可惜，就算再多人的希望，也不能将这道千禧年大奖难题，给变成事实。
它仍旧在等待着，能够解决它的人出现。
“P类问题和NP类问题的关系……”
第一篇文献结束，陈舟看了看草稿纸上，自己所写的内容，小声的呢喃了一句。
事实上，要知道“NP=P”是个什么问题，先要知道什么是P类问题，什么是NP类问题。
P类问题和NP类问题这两个概念，是和计算理论中的时间复杂度有关的。
至于计算理论中的时间复杂度，简单来说，就是解决一个问题的某种算法，所需要的计算量，随着这个问题的规模增长而增长的速度。
这个概念，更多的被应用在信息学的计算机算法上。
在算法中，时间复杂度本质上，是指计算量增长的速度，而不是这个算法运行的时间。
自然的，对于同样的一个问题。
如果采用不同的算法，其时间复杂度也是不一定相同的。
而如果某个问题，能够找到的最优算法的时间复杂度，是n的多项式函数。
那么，这个问题就被称之为P类问题。
P也就是多项式的英文首字母。
此外，还有一些问题，无论其是否能够在多项式时间复杂度内求解，如果知道一个随便给出的可能解，能够在多项式时间复杂度内验证其是否为所求的解。
那么，这类问题就被称之为NP类问题。
至于为什么要研究一个问题，是否有多项式时间复杂度的算法。
则是因为，多项式时间复杂度的计算量增长速度，有些过于“快”了。
随着n的增大，其计算量远远小于O(2^n)、O(n！)、O(n^n)这些时间复杂度问题。
就好比那个很有名的大整数质因数分解问题。
给出一个2048位的二进制整数，要找出它的某个质因数。
一般来说，可能举全世界的计算能力，也需要上百年的时间，才能完成这个求解计算过程。
但是，如果知道某一个质数的话。
却可以用最普通的计算机，在几秒钟时间内，确定这个质数，是不是这个2048位二进制整数的一个因数。
而这，便是不同时间复杂度，在实际计算过程中的差别！
虽说有时候快了不好，可是在时间复杂度上，还是快一点比较有应用价值。
自然的，全部的P类问题，都属于NP类问题。
看着草稿纸上的内容，陈舟已经给出了这一显而易见的解释。
【一个问题可以在多项式时间复杂度内求解，当然可以在多项式时间复杂度内验证。】
只不过，写完这行文字的陈舟，又在下面加了一个“？”。
问号的旁边，陈舟写到：“反过来呢？”
没错，反过来呢？
一个可以在多项式时间复杂度内验证的问题，又是否能够通过多项式时间复杂度的算法求解呢？
陈舟暂时不知道。
所以，他在这个反问的话下面，划上了两道横线。
实际上，这个反问的话，其实也就是，是否全部的NP类问题，都属于P类问题呢？
而这，便是著名的NP完全问题，也就是“NP=P？”。
陈舟虽然还不知道这个
(本章未完,请翻页)
第(2/3)页
舟动手整理了起来。
晚上的这点时间，他并不打算再耗在规范场理论上面了。
他准备正式开始NP完全问题的研究。
拿出一沓新的草稿纸后，陈舟顺手打开了电脑。
将草稿纸放在一边，陈舟登陆了各大检索网站，开始搜索NP完全问题相关的文献资料。
通过大量文献资料的溯源与灵感寻找，是陈舟长久以来习惯使用的研究方法。
也是在一个新的研究课题开始时，陈舟必定会经历的一个过程。
随着第一篇文献资料的下载完成，陈舟移动鼠标，点开了这篇文献资料。
然后再次拿来草稿纸，拧开笔盖，准备刷文献。
NP完全问题，也叫NP-C问题。
是多项式复杂程度的非确定性问题。
简单的写法就是“NP=P？”。
问题也就在这个问号上面。
到底是NP等于P，还是NP不等于P。
当然，几乎绝大多数的人，都希望NP等于P。
因为这背后的实际意义，太过重大。
只可惜，就算再多人的希望，也不能将这道千禧年大奖难题，给变成事实。
它仍旧在等待着，能够解决它的人出现。
“P类问题和NP类问题的关系……”
第一篇文献结束，陈舟看了看草稿纸上，自己所写的内容，小声的呢喃了一句。
事实上，要知道“NP=P”是个什么问题，先要知道什么是P类问题，什么是NP类问题。
P类问题和NP类问题这两个概念，是和计算理论中的时间复杂度有关的。
至于计算理论中的时间复杂度，简单来说，就是解决一个问题的某种算法，所需要的计算量，随着这个问题的规模增长而增长的速度。
这个概念，更多的被应用在信息学的计算机算法上。
在算法中，时间复杂度本质上，是指计算量增长的速度，而不是这个算法运行的时间。
自然的，对于同样的一个问题。
如果采用不同的算法，其时间复杂度也是不一定相同的。
而如果某个问题，能够找到的最优算法的时间复杂度，是n的多项式函数。
那么，这个问题就被称之为P类问题。
P也就是多项式的英文首字母。
此外，还有一些问题，无论其是否能够在多项式时间复杂度内求解，如果知道一个随便给出的可能解，能够在多项式时间复杂度内验证其是否为所求的解。
那么，这类问题就被称之为NP类问题。
至于为什么要研究一个问题，是否有多项式时间复杂度的算法。
则是因为，多项式时间复杂度的计算量增长速度，有些过于“快”了。
随着n的增大，其计算量远远小于O(2^n)、O(n！)、O(n^n)这些时间复杂度问题。
就好比那个很有名的大整数质因数分解问题。
给出一个2048位的二进制整数，要找出它的某个质因数。
一般来说，可能举全世界的计算能力，也需要上百年的时间，才能完成这个求解计算过程。
但是，如果知道某一个质数的话。
却可以用最普通的计算机，在几秒钟时间内，确定这个质数，是不是这个2048位二进制整数的一个因数。
而这，便是不同时间复杂度，在实际计算过程中的差别！
虽说有时候快了不好，可是在时间复杂度上，还是快一点比较有应用价值。
自然的，全部的P类问题，都属于NP类问题。
看着草稿纸上的内容，陈舟已经给出了这一显而易见的解释。
【一个问题可以在多项式时间复杂度内求解，当然可以在多项式时间复杂度内验证。】
只不过，写完这行文字的陈舟，又在下面加了一个“？”。
问号的旁边，陈舟写到：“反过来呢？”
没错，反过来呢？
一个可以在多项式时间复杂度内验证的问题，又是否能够通过多项式时间复杂度的算法求解呢？
陈舟暂时不知道。
所以，他在这个反问的话下面，划上了两道横线。
实际上，这个反问的话，其实也就是，是否全部的NP类问题，都属于P类问题呢？
而这，便是著名的NP完全问题，也就是“NP=P？”。
陈舟虽然还不知道这个
(本章未完,请翻页)