P问题、NP问题、NPC问题的概念及实例证明

美剧《基本演绎法》(也就是美版“福尔摩斯”)第 2 季第 2 集中,两位研究 NP 问题的数学家被谋杀了,凶手是同行,因为被害者即将证明“P=NP 问题”,她为独吞成果而下了毒手。然而凶手的动机,并不是千禧年大奖难题那100万美元的奖金——解决了 P=NP 问题,就能够破译世界上所有的密码系统,这里面的利益比100万美元多多了。

剧中只用了一句话来介绍 P=NP 的意义:“能用电脑快速验证一个解的问题,也能够用电脑快速地求出解”。这句过于简单的话可能让大家一头雾水,今天我们就来讲一讲 P vs. NP。

几种问题及其关系

首先解释一下什么是NP问题,什么是NP hard问题,什么是NP完全问题。

  • P Problem:这个应该最易理解,就是一个问题可以在Polynominal的时间的得到解决,当然,是对于任意input size。
  • NP Problem:对于一类问题,我们可能没有一个已知的快速的方法得到问题的答案,但是如果给我们一个candidate answer,我们能够在polynominal的时间内验证这个candidate answer到底是不是我们已知问题的答案,这类问题叫做NP problem。所以很显然 P Problem是NP problem的一个子集。
  • NP-hard Problem:对于这一类问题,用一句话概括他们的特征就是“at least as hard as the hardest problems in NP Problem”, 就是NP-hard问题至少和NP问题一样难。
  • NP-Complete Problem:对于这一类问题,他们满足两个性质,一个就是在polynomial时间内可以验证一个candidate answer是不是真正的解,另一个性质就是我们可以把任何一个NP问题在polynomial的时间内把他的input转化,使之成为一个NP-complete问题(即规约)。NP-Complete Problem问题可以互相转换 (在多项式时间内),只要其中一个问题可以在多项式时间内解决,那么其他问题也都将可以在多项式时间内解决。
    这里写图片描述

规约——一种技巧

归约(reduction): 规约是证明NP-hard问题的一种常用方法,通常用 <= 这个符号来表示。如 P<=Q ,这个就表示P is reducible to Q , or Q is the reduction from P or P is reduced to Q(P问题可以归约到Q问题,or可以把P归约到Q) 。这里的reduction的符号可以当成是 比较难易程度的小于等于号,意味着P至少比Q容易,或者Q至少比P难。
归约主要做的就是以下两个转化(注意两个转化都要在polynomial的时间内完成)【已知 P 是个NP-hard问题,证新问题 Q 亦是NP-hard问题】,
1. 把P的输入转化到Q的输入;
2. 把Q的输出转化到P的输出。
下图展示了上述规约过程。其中 T1 在多项式时间将 P的输入 Pinput 转化成Q的输入 Qinput ; T2 在多项式时间将 Q的输出 Qoutput 转化成P的输出 Poutput 。也就是说NP-hard问题 P 可以依赖于对问题 Q 的解决而解决。那么 Q 至少比 P 要难,即 P<=Q
这里写图片描述

如何对问题证明

下面来列出了一些常见的证明问题及其证明套路。

  • 证明NP问题。这个容易,即给你一个结果,你能在polynomial的时间内验证该结果的正确性。
  • 证明NP-hard问题。我们要证明一个问题是NP-hard的时候,我们通常要做的是找到一个已被证明了的NPC问题,并把这个NPC问题归约到该问题上去(即NPC<=NP-hard)。
  • 证明NP-Complete问题。分以下两步:
    1. 第一步证明这个问题属于NP;
    2. 第二步,证明这个问题是NP-hard的。

下图列出了几个已被发现NP-Complete问题(更全面的NP-Complete问题列表,见链接A compendium of NP optimization problems,以及List of NP-complete problems),及其规约关系。可以看出所有的NP问题都可以规约到SAT(即NP<=SAT),也就是说SAT至少与NP问题一样难,或者如果解决了3SAT问题,所有的NP问题就解决了。同样的,SAT<=3SAT3SAT<=Independent SetIndependent Set<=Vertex Cover OR Clique

规约关系具有传递性,所以有3SAT<=Vertex CoverNP<=NP-Complete。 事实上,由于NP-Complete NPNP<=NP-Complete,可以推导出 所有的NP-Complete 可以相互规约,也就是所有的NP-Complete都是等价的。
这里写图片描述

NP-Complete间的规约例子

1. 3SAT<=Independent Set

  • 在图G中若顶点集合S满足其中的任意两个顶点之间不存在边,则称S为独立集。The input of Independent Set is a graph G and a number m (独立集问题的两个参数:图 G 以及独立集的大小 m ), the problem is to find a set of m pairwise non-adjacent vertices(问题是找到 G 的一个大小为 m 的独立集).

  • 转化过程:Given an instance 3SAT problem with m clauses, create an instance (G,m) of Independent Set as follows:

    扫描二维码关注公众号,回复: 3767651 查看本文章
    • Graph G has a triangle(edge or vertex) for each clause, with vertices labeled by the clause’s literals
    • Add edge between any two vertices that represent opposite literals.
    • The goal g is set to the number of clauses.
      The graph below corresponding to (x¯yz¯)(xy¯z)(xyz)(x¯y¯) (clearly m=3 )
      这里写图片描述
    • 假设上图有一个最大独立集,则每个三角形中有且仅有一个顶点在该独立集中,设该顶点取值为1,其余顶点取值0,则其肯定是一个满足的3SAT的赋值。
  • 容易证明该规约过程用了多项式时间。

  • 把P的输入转化到Q的输入P的输入是包含 m 个clause的3SAT表达式;Q的输入当然是转化得到的图形 G 以及独立集的大小参数 g=m
  • 把Q的输出转化到P的输出Q的输出 G 的一个大小为 g 的独立集;P的输出是3SAT的一个赋值。假设 G 中有一个大小为 m 的独立集,则一定是1)三角形内部三个顶点只能取一个 2)不属于三角形的边所连接的顶点也只取一个。对于每个clause,如果选择了 x 对应的顶点,则令 x=1 ,如果选择了 x¯ 对应的顶点,则令 x¯=1 . 则该赋值是满足的。

2. 3SAT <= Vertex Cover

  • 图的顶点覆盖(有时是节点覆盖)是一组顶点的集合,使得图的每个边缘至少与集合中的一个顶点相连接。在这里Vertex Cover问题是给定图 G 和点集的个数 g ,要找到图 G 的一个大小为 g 的点覆盖。(我们常说的最小顶点覆盖的问题称为顶点覆盖问题,毫无疑问,它也是一个NP-Complete问题)。
  • 转化过程

    • 按照如下方法构造Graph,对应每一个变量 xi ,我们构造点二元点对 xi x¯i ; 对于每一个clause,我们构造三角形的三个顶点,这3个点直接彼此有边,假设这三个点叫 A,B,C ,我们要建立 A,B,C 这三个点和该clause的联系:假设我们的clause是 (x1x¯2x¯3) 我们就把 x1 A 连起来, x¯2 B 连起来, x¯3 C 连起来。
    • 下面的graph对应于 (x1x¯2x¯3)(x1x2x4)
      这里写图片描述
    • 若上图存在最小点覆盖,则将二元点对中在该最小点覆盖中的那一个赋值为1。则该赋值就是一个满足3-SAT的赋值。
  • 假设有 m 个clause, n 个变量。则该规约过程建立了 3m+2n 个点, n+3m+3m 个边。显然可以在多项式时间完成该转换。

  • 把P的输入转化到Q的输入P的输入是包含 m 个clause的3SAT表达式;Q的输入当然是转化得到的图形 G 以及覆盖集的大小参数 g=2m+n
  • 把Q的输出转化到P的输出Q的输出 G 的一个大小为 g=2m+n 的覆盖集;P的输出是3SAT的一个赋值。假设有图 G 的一个大小为 g=2m+n 的顶点覆盖,则其中必定包含所有二元点对中的一个点和三角形的两个顶点。对于每个clause对应的三角形的三个边必定被至少一个点覆盖,所以有一个可满足的真值赋值;对于每个二元点对,如果 xi S 中,则 xi=1 ,如果 x¯i S 中,则 xi=0

3. 3SAT <= ILP

  • ILP就是Integer Linear Programming,即所有变量都要求是整数。
  • 转化过程
    • 对于 每个clause,我们都对应于ILP中的一个constraint,比如 3SAT中有4个变量, x1 x2 x3 x4 , 则ILP中也有同样的这4个变量,并且我们要求他们都是只能取0 或 1。对于一个clause,如 (x1x¯2x¯3) ,我们对应的constraint是 “ x1+1x2+1x3=1 。很显然了,ILP中的变量选0对应于3SAT中的变量选 0 ,ILP中的变量选1对应于3SAT中的变量选 1 .
    • 3SAT问题 (x1x¯2x¯3)(x1x2x4) 对应的ILP如下:
      {x1+1x2+1x3=1x1+x2+x4=1
  • 至于input/output的转换,就如转换过程的描述,异常简单。在此不再叙述。

4. 3SAT <= Hamiltonian cycle problem

  • 转化过程
    • 对每个变量 xi(1in) ,创建 3m+3 个顶点,命名为 vi,1,vi,2,,vi,3m+3 ,并且对相邻序号的两个顶点添加互相之间的有向边。如果 xi=1 ,则形成从左向右的一个路径;如果 x¯i=1 ,则形成从右向左的一个路径。
    • 对每个 1in1 ,添加四条有向边 (vi,1,vi+1,1),(vi,3m+3,vi+1,3m+3),(vi,1,vi+1,3m+3),(vi,3m+3,vi+1,1)
    • 添加两个节点 s,t ,添加有向边 (s,v1,1),(s,v1,3m+3),(vn,1,t),(vn,3m+3,t) 。然后再添加有向边 (t,s) 。这时得到的图中有 hamiltonian cycle,其中一个如下图的虚线所示。
    • 对于每一个clause cj=z1z2z3 ,创建对应的顶点 cj 。如果 z=xi ,则添加有向边 (vi,3j,cj)(cj,vi,3j+1) ; 如果 z=x¯i ,则添加有向边 (cj,vi,3j)(vi,3j+1,cj) 。这里 1jm,1in 。如对子句 c=x1x¯2x4 生成如下图中红色所示。如果选择子句中 x1=1 ,则 x1 对应的路径为从左向右;如果选择 x¯2=1 ,则 x2 对应的路径为从右到左;如果选择 x4=1 ,则 x4 对应的 路径为从左到右。这样我们就得到了最终的图 G 这里写图片描述
    • 若图 G 有Hamiltonian cycle,则对每一个变量 xi 对应的路径都是单向的,若为从左到右,则 xi=1 ;若为从右到左,则 xi=0 。则该赋值肯定是3SAT可满足的。
  • 该转化过程要创建 (3m+3)n+m+2 个点和 (3m+2)×2×n+4(n1)+5+2m 个边,是多项式时间的。
  • 把P的输入转化到Q的输入P的输入是包含 m 个clause, n 个变量的的3SAT表达式;Q的输入当然是转化得到的包含 (3m+3)n+m+2 个点和 (3m+2)×2×n+4(n1)+5+2m 个边的图形 G
  • 把Q的输出转化到P的输出Q的输出 G 的一个Hamiltonian cycle;P的输出是3SAT的一个赋值。

5. Subset sum problem <= Partition problem

  • 问题描述:
    • Subset sum problem:given a set (or multiset) of integers T=(t1,t2,,tn) , is there a non-empty subset whose sum is k
    • Partition problem: partition problem (or number partitioning) is the task of deciding whether a given multiset W of positive integers can be partitioned into two subsets W1 and W2 such that the sum of the numbers in W1 equals the sum of the numbers in W2 .
  • 转化过程:

    • 给定一个子集和的实例为 T=(t1,t2,,tn) ,数 k 。设 tTt=A ,则在 T 的基础上添加两个数 {2Ak,A+k} ,组成一个划分问题的实例 W ,即
      W={T,2Ak,A+k}.
      wWw=4A
    • 假设找到了 W 的一个划分 W1 W2 ,则有
      wW1w=wW2w=2A
      而且,新添加的两个元素肯定不会同时在 W1 W2 里,否则二者所在的子集的元素和必定大于二者之和 3A>2A 2Ak 所在的子集的其它元素就是一个满足子集和问题的子集。
  • 把P的输入转化到Q的输入P的输入是集合 T 以及数 k Q的输入 W={T,2Ak,A+k}.

  • 把Q的输出转化到P的输出Q的输出 W 的二划分 W1 W2 ,有 wW1w=wW2w P的输出 2Ak 所在的子集的其它元素集合。

6. Clique problem<=Subgraph isomorphism problem

  • 问题描述
    • Clique problem:给定一个图 G=(V,E) 和整数 k ,找到 G 的大小为 k 的团。
    • Subgraph isomorphism problem:给定两个图 G1=(V1,E1),G2=(V2,E2) ,能否找到 G1 的一个子图 H ,使得 H G2 同构。
  • 转换过程:
    • G1=G ,构造 G2 为包含 k 个顶点的完全图(即团)。
    • 如果子图同构问题的答案是肯定的,那么枚举 G 中的任意 k 个顶点并判定其是否是团,复杂度是多项式的 Ckn
  • 把P的输入转化到Q的输入P的输入是图 G=(V,E) 和整数 k Q的输入 G1 G2
  • 把Q的输出转化到P的输出Q的输出是Yes/No;P的输出 G 的一个团。

7. Partition problem <= Knapsack problem

  • 问题描述:
    • Partition problem: partition problem (or number partitioning) is the task of deciding whether a given multiset W of positive integers can be partitioned into two subsets W1 and W2 such that the sum of the numbers in W1 equals the sum of the numbers in W2 , i.e.
      tW1t=tW2t=tWt2.
    • Knapsack problem:Given a set of items, each with a weight and a value, determine the number of each item to include in a collection so that the total weight is less than or equal to a given limit and the total value is as large as possible. 给定一个物品集合 U={u1,u2,,un} ,且每个物品有大小 s(u) 和价值 w(u) ,正整数 B 和正数 K ,是否存在子集 UU 使得
      uUs(u)B,uUw(u)K.
  • 转化过程:
    • For each tW ,构造一个item u s(u)=w(u)=t , 然后对 B,K 添加如下条件
      B=K=uUu2
      那么有
      uUs(u)=uUw(u)=uUu2

8. Vertex Cover <=Independent Set

  • 问题描述:
    • Vertex Cover:给定一个图 G=(V,E) 和整数 k ,找到 G 的大小为 k 的点覆盖。
    • Independent Set:给定一个图 G=(V,E) 和整数 k , 找到 G 的大小为 k 的独立集。
  • 转化过程:
    • 把参数为 G=(V,E) 和整数 k 的点覆盖问题转化为参数为 G=(V,E) 和整数 |V|k 的独立集问题。
    • G 中有 |V|k 大小的独立集 S ,则 G 中的任意一条边的两端点不可能都在 S 里。也就是说, G 的任意一条边至少与该独立集 S 之外的其余 k 个顶点的某一个关联,即该独立集 S 之外的其余 k 个顶点是 G 的一个大小为 k 的点覆盖。
  • 把P的输入转化到Q的输入P的输入是图 G=(V,E) 和整数 k Q的输入是图 G=(V,E) 和整数 |V|k
  • 把Q的输出转化到P的输出Q的输出 G |V|k 大小的独立集 S P的输出 VS .

9. Independent Set <= Clique problem

  • 问题描述:
    • Independent Set:给定一个图 G=(V,E) 和整数 k , 找到 G 的大小为 k 的独立集。
    • Clique problem:给定一个图 G=(V,E) 和整数 k ,找到 G 的大小为 k 的团。
  • 转化过程:
    • G 的大小为 k 的独立集问题转化为补图 G¯ 的大小为 k 的团问题。
    • 如果找到补图 G¯ 的大小为 k 的团,则该团内的任意两个顶点在原图 G 中没有连接边,即该团的 k 个顶点是原图 G 的大小为 k 的独立集。
  • 把P的输入转化到Q的输入P的输入是图 G=(V,E) 和整数 k Q的输入是补图 G¯ 和整数 k
  • 把Q的输出转化到P的输出Q的输出是补图 G¯ k 大小的独立集 S P的输出 VS .

10. Hamiltonian cycle problem <= Hamiltonian path problem

  • 问题描述:
    • Hamiltonian cycle problem:a graph cycle (i.e., closed loop) through a graph that visits each node exactly once
    • Hamiltonian path problem: a graph path between two vertices of a graph that visits each vertex exactly once.
  • 转化过程:
    这里写图片描述
    • 在原图 G 基础上再添加 s,w,t 三个顶点,任选 G 中一点 u ,连接 (s,u),(w,t) 以及连接 u 的所有相邻节点与 w ,生成新图 G 。如上图所示。
    • 假设新图 G 有一个Hamiltonian path <s,u,v1,v2,,v,w,t> ,由于 u,v 为相邻节点,故 <u,v1,v2,,v> G 的Hamiltonian cycle。

11. Hamiltonian cycle problem <= Traveling salesman problem

  • 问题描述:
    • Hamiltonian cycle problem:a graph cycle (i.e., closed loop) through a graph G=(V,E) that visits each node exactly once。
    • Traveling salesman problem: 即给定一个带权图 G=(V,E) 和数 k ,找到一个费用为 k 的回路。
  • 转化过程:如何得到 G=(V,E) 和数 k
    • V’=V,k=0..
    • E’为完全图的边。还要定义边的权重:
      w(u,v)={0,if(u,v)E1,if(u,v)E
    • 如果 G=(V,E) 有个费用为 k=0 的回路,则说明这些边都是在 G 中存在的,因此是 G 的一个Hamiltonian cycle problem。

参考资料

猜你喜欢

转载自blog.csdn.net/u012176591/article/details/51470999