NP完全问题与例题

1. NP- Complete问题概念

首先介绍NP的概念，NP是Nondeterministic Polynomial time的缩写，即非确定性多项式时间。如果“给定一个问题的候选解，我们能够在多项式时间内验证其是否正确”，那么该问题就是NP问题。例如：

• 数独：给你一个数独答案，我们可以快速检查它是否满足规则。
• 旅行商问题（TSP）：给定一条路径，我们可以在多项式时间内计算它的长度，并判断是否满足要求。

NP完全问题是NP问题中的最难的部分，所有NP问题都可以在多项式时间内规约为它，所以如果能够在多项式时间内解决NP完全问题，那么就能够在多项式时间内解决所有NP问题。

2. 经典NP-完全问题举例

3. 什么是多项式时间

一个算法的运行时间是输入规模 $n$ 的某个多项式函数，就称这个算法的时间复杂度是“多项式时间”。
形式上：

如果一个算法的运行时间是 $O(n^k)$，其中 $k$ 是某个常数，那么我们说它是“多项式时间算法”。

4. 算法题举例

从题目上看，这是一个子集和问题，即确定是否存在一组元素值的和为$sum(nums)/2$。虽然不能在多项式时间复杂度内解决，但是可以将其转化为背包问题，时间复杂度为O(n * m)，其中m是背包容量，即sum / 2。

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        // NP完全问题，无法在多项式时间内求解，时间复杂度无法做到O(n^k)
        // 但是可以用动态规划转换为0-1背包问题，时间复杂度为O(n*m)
        int tar = accumulate(nums.begin(), nums.end(), 0);
        if (tar & 1) {
            return false;
        }
        tar /= 2;
        vector<bool> dp(tar + 1);
        dp[0] = true;
        for (auto n : nums) {
            for (int i = tar; i >= 0; --i) {
                if (i - n >= 0 && dp[i - n]) {
                    dp[i] = true;
                }
            }
        }
        return dp[tar];
    }
};