NP问题

数学上著名的NP问题，完整的叫法是NP完全问题，也即“NP COMPLETE”问题，简单的写法，是 NP=P？的问题。问题就在这个问号上，到底是NP等于P，还是NP不等於P。证明其中之一，便可以拿百万美元大奖。
    这个奖还没有人拿到，也就是说，NP问题到底是Polynomial，还是Non-Polynomial，尚无定论。
　　NP里面的N，不是Non-Polynomial的N，是Non-Deterministic，P代表Polynomial倒是对的。NP就是Non-deterministic Polynomial的问题，也即是多项式复杂程度的非确定性问题。
　　美国麻州的克雷(Clay)数学研究所于2000年5月24日在巴黎法兰西学院宣布了一件被媒体炒得火热的大事：对七个“千僖年数学难题”的每一个悬赏一百万美元。以下是这七个难题。
　　“千僖难题”之一： P (多项式算法)问题对NP (非多项式算法)问题
　　“千僖难题”之二： 霍奇(Hodge)猜想
　　“千僖难题”之三： 庞加莱(Poincare)猜想
　　“千僖难题”之四： 黎曼(Riemann)假设
　　“千僖难题”之五： 杨－米尔斯(Yang-Mills)存在性和质量缺口
　　“千僖难题”之六：纳维叶－斯托克斯(Navier-Stokes)方程的存在性与光滑性
　　“千僖难题”之七：贝赫(Birch)和斯维讷通－戴尔(Swinnerton-Dyer)猜想
　　NP完全问题排在百万美元大奖的首位，足见他的显赫地位和无穷魅力。
NP就是Non-deterministic Polynomial的问题，也即是多项式复杂程度的非确定性问题。
　　什么是非确定性问题呢？有些计算问题是确定性的，比如加减乘除之类，你只要按照公式推导，按部就班一步步来，就可以得到结果。但是，有些问题是无法按部就班直接地计算出来。比如，找大质数的问题。有没有一个公式，你一套公式，就可以一步步推算出来，下一个质数应该是多少呢？这样的公式是没有的。再比如，大的合数分解质因数的问题，有没有一个公式，把合数代进去，就直接可以算出，它的因子各自是多少？也没有这样的公式。
　　这种问题的答案，是无法直接计算得到的，只能通过间接的“猜算”来得到结果。这也就是非确定性问题。而这些问题的通常有个算法，它不能直接告诉你答案是什么，但可以告诉你，某个可能的结果是正确的答案还是错误的。这个可以告诉你“猜算”的答案正确与否的算法，假如可以在多项式时间内算出来，就叫做多项式非确定性问题。而如果这个问题的所有可能答案，都是可以在多项式时间内进行正确与否的验算的话，就叫完全多项式非确定问题。
　　完全多项式非确定性问题可以用穷举法得到答案，一个个检验下去，最终便能得到结果。但是这样算法的复杂程度，是指数关系，因此计算的时间随问题的复杂程度成指数的增长，很快便变得不可计算了。
　　人们发现，所有的完全多项式非确定性问题，都可以转换为一类叫做满足性问题的逻辑运算问题。既然这类问题的所有可能答案，都可以在多项式时间内计算，人们於是就猜想，是否这类问题，存在一个确定性算法，可以在指数时间内，直接算出或是搜寻出正确的答案呢？这就是著名的NP=P？的猜想。
　　解决这个猜想，无非两种可能，一种是找到一个这样的算法，只要针对某个特定NP完全问题找到一个算法，所有这类问题都可以迎刃而解了，因为他们可以转化为同一个问题。另外的一种可能，就是这样的算法是不存在的。那么就要从数学理论上证明它为什么不存在。
　　前段时间轰动世界的一个数学成果，是几个印度人提出了一个新算法，可以在多项式时间内，证明某个数是或者不是质数，而在这之前，人们认为质数的证明，是个非多项式问题。可见，有些看来好象是非多项式的问题，其实是多项式问题，只是人们一时还不知道它的多项式解而已。
　　上回说到可怜的旅行商想找出走遍所有城市的最短路径。让我们用计算机帮他搜索一下。这就需要用到本篇文章中要介绍的第一门学科了：《人工智能》。人类的许多活动，如解算题、猜谜语、进行讨论、编制计划和编写计算机程序，甚至驾驶汽车和骑自行车等等，都需要"智能"。如果机器能够执行这种任务，就可以认为机器已具有某种性质的"人工智能"。现在我们就要利用人工智能，用计算机模拟人的思维来搜索最短路径。
　　想像一下，我们人思考问题时，有两种方法：一种是精确搜索，就是试验所有的可能性，找出最精确的一个方案。但它在搜索过程中不改变搜索策略，不利用搜索获得的中间信息，它盲目性大，效率差，用于小型问题还可以，用于大型问题根本不可能；另一种叫做启发式搜索，它在搜索过程中加入了与问题有关的启发性信息，用以指导搜索向着一个比较小的范围内进行，加速获得结果。