📅  最后修改于: 2020-12-10 07:09:31        🧑  作者: Mango

双子分类网单调增加然后单调减少，或者单调减少然后单调增加的序列称为双音序列。例如：序列(2、5、6、9、3、1)和(8、7、5、2、4、6)都是双声的。双音分类器是一个比较网络，用于对0和1的双音序列进行分类。Half-Cleaner：双音速分选机包含多个阶段，每个阶段都称为Half-cleaner。每个半清洁器都是深度为1的比较网络，其中将输入线i与线1+进行比较对于我= 1，2 …..。当将0...

📅  最后修改于: 2020-12-10 07:10:24        🧑  作者: Mango

合并网络合并网络是可以将两个排序的输入序列合并为一个排序的输出序列的网络。我们使用BITONIC-SORTER [n]创建合并网络MERGER [n]。合并网络基于以下假设：给定两个排序的序列，如果我们颠倒第二个序列的顺序，然后连接两个序列，则得到的序列是双音调的。例如：给定两个已排序的零一序列X = 00000111和Y = 00001111，我们将Y反转以获得YR=11110000。将X和YR...

📅  最后修改于: 2020-12-10 07:11:17        🧑  作者: Mango

复杂度等级NP类问题的定义： -集合的所有基础的决策问题走进NP问题的划分谁不能得到解决或者产生多项式时间内输出，但在多项式时间验证。 NP类包含P类作为子集。 NP问题难以解决。注意：-术语“ NP”并不表示“非多项式”。最初，该术语表示“非确定性多项式。它表示将根据一个输入数量产生输出。P类问题的定义：-基于决策的问题集划分为P个问题，这些问题可以在多项式时间内求解或产生输出。 P问题容易解决...

📅  最后修改于: 2020-12-10 07:12:10        🧑  作者: Mango

多项式时间验证在讨论NP完全问题的类别之前，必须先介绍验证算法的概念。许多问题很难解决，但是它们具有以下特性：如果提供了解决方案，则很容易对解决方案进行身份验证。哈密顿循环问题：考虑哈密顿循环问题。给定一个无向图G，G是否有一个循环访问每个顶点一次?此争议没有已知的多项式时间算法。注意：-这意味着即使没有为具有特定顶点的哈密顿循环指定任何路径，也无法在具有多项式时间的图形中构建哈密顿循环，但是您无...

📅  最后修改于: 2020-12-10 07:13:03        🧑  作者: Mango

NP完成度判定问题L为NP-Hard对于所有L'NP，L'≤pL。定义：如果L是NP完全的，则LϵNP和对于某些已知的NP完全问题L，L'≤pL。根据此正式定义，复杂度类为：P：是可以在多项式时间内解决的一组决策问题。NP：是一组可以在多项式时间内验证的决策问题。NP-Hard：如果对于所有L'NP，L'≤pL，则L是NP-hard。因此，如果我们可以在多项式时间内求解L，则可以在多项式时间内求解...

📅  最后修改于: 2020-12-11 01:34:11        🧑  作者: Mango

电路SAT根据给定的基于决策的NP问题，您可以设计电路并在P时间内验证给定的输出。电路如下：-注意：-您可以设计电路并在多项式时间内验证上述输出，但请记住，您永远无法在多项式时间内根据输入/高输入组预测产生高输出的门数。因此，您验证了生成和转换已在多项式时间内完成。所以你在NPC中。SAT(满意度)：-如果输入的给定值的输出为true / high / 1，则布尔函数被称为SAT。F = X + ...

📅  最后修改于: 2020-12-11 01:35:02        🧑  作者: Mango

3CNF SAT概念：-在3CNF SAT中，您至少有3个子句，并且在子句中，您将拥有几乎3个字面量或常量如(X + Y + Z)(X +Y+ Z)(X + Y +Z)您可以定义为(XvYvZ)ᶺ(XvYvZ)ᶺ(XvYvZ)V = OR运算符^ = AND运算符以下所有这些点都需要在3CNF SAT中加以考虑。证明： –3CNF SAT的概念SAT≤ρ3CNF SAT3CNF≤ρSAT3CNF ...

📅  最后修改于: 2020-12-11 01:35:56        🧑  作者: Mango

集团证明：-Clique是否是NPC?为此，您必须满足以下几点：-集团3CNF≤ρ集团集团≤ρ3CNF≤SATique ϵ NP1)派系定义：-在“群体”中，每个顶点都直接连接到另一个顶点，并且“群体”中的顶点数量代表“群体”的大小。CLIQUE COVER：-给定一个图G和一个整数k，我们可以找到k个顶点的子集V 1，V2… VK，使得UiVi = V，并且每个Vi都是G的集团。下图显示了一个图...

📅  最后修改于: 2020-12-11 01:36:49        🧑  作者: Mango

顶点覆盖顶点覆盖定义顶点覆盖≤ρ集团Clique≤ρ顶点覆盖顶点覆盖ϵ NP1)顶点覆盖：定义：-它表示图G(V，E)中的一组顶点或节点，从而提供了完整图的连通性根据您创建的顶点覆盖的图形G，顶点覆盖的大小= 22)顶点覆盖≤ρ集团在“顶点覆盖”图G中，您有N个顶点，其中包含一个“顶点覆盖”K。在其补语中必须存在大小为NK的“派系大小”。根据图G，顶点数= 6集团的大小= NK = 4您也可以通过...

📅  最后修改于: 2020-12-11 01:37:42        🧑  作者: Mango

子集封面证明：-子集封面顶点覆盖≤ρ子集覆盖子集覆盖≤ρ顶点覆盖子集封面ϵ NP1)子集封面定义：-为获得并集而获得完整图形G的所有边之后的边子集数，这称为子集覆盖。根据图G，您已经创建了Subset Cover = 2的大小2)顶点覆盖≤ρ子集覆盖在顶点N的图G中，如果存在大小为k的顶点覆盖，则还必须存在大小为k的子集覆盖。如果您可以在多项式时间内从“顶点覆盖”减少为“子集覆盖”，则表示您做对了...

📅  最后修改于: 2020-12-11 01:38:34        🧑  作者: Mango

近似算法介绍：近似算法是解决NP优化问题的一种方法。此技术不能保证最佳解决方案。近似算法的目标是在最长时间后的合理时间内，尽可能地接近最佳值。这种算法称为近似算法或启发式算法。对于旅行推销员问题，优化问题是找到最短周期，而近似问题是找到短周期。对于顶点覆盖问题，优化问题是找到顶点最少的顶点覆盖，而近似问题是找到顶点很少的顶点覆盖。绩效比率假设我们在一个优化问题上工作，其中每个解决方案都会带来成本。...

📅  最后修改于: 2020-12-11 01:39:25        🧑  作者: Mango

顶点覆盖图G的顶点覆盖是一组顶点，使得G中的每个边均入射到这些顶点中的至少一个顶点上。决策顶点覆盖问题已被证明是NPC。现在，我们要解决顶点覆盖问题的最佳版本，即，我们要找到给定图的最小尺寸的顶点覆盖。我们称这种顶点覆盖为最佳顶点覆盖C *。顶点覆盖的近似算法：这个想法是一个接一个的边缘(u，v)，将两个顶点都放到C上，然后移除所有入射到u或v的边缘。我们继续进行直到所有边缘都被移除为止。 C是V...

📅  最后修改于: 2020-12-11 01:40:18        🧑  作者: Mango

推销员问题在旅行推销员问题中，推销员必须访问n个城市。我们可以说推销员希望进行巡回或汉密尔顿周期旅行，只访问一次每个城市，然后在其出发的城市结束。从城市i到城市j会有非负成本c(i，j)。目标是找到最低成本的行程。我们假设每两个城市相连。这种问题称为旅行推销员问题(TSP)。我们可以将城市建模为n个顶点的完整图形，其中每个顶点代表一个城市。可以证明，TSP是NPC。如果假设成本函数c满足三角形不等...

📅  最后修改于: 2020-12-11 01:41:10        🧑  作者: Mango

字符串匹配介绍字符串匹配算法也称为“字符串搜索算法”。这是字符串算法的重要一类，它被声明为“这是一种在较大的字符串中找到多个字符串的地方的方法”。给定一个文本阵列，T [1 ….. N]，n字符和一图案阵列，P [1 …… M]中，m字符。问题是找到一个整数s，称为有效位移，其中0≤s <nm且T [s + 1 … s + m] = P [1 … m]。换句话说，发现即使P IN T，即，其中P是...

📅  最后修改于: 2020-12-11 01:42:01        🧑  作者: Mango

幼稚的字符串匹配算法幼稚的方法测试模式P [1 ……. m]相对于文本T [1 …… n]的所有可能位置。我们依次对每个偏移s尝试偏移s = 0，1 ……. nm。比较T [s + 1 ……. s + m]与P [1 …… m]。朴素算法使用一个循环来查找所有有效移位，该循环检查n-m的每一个的条件P [1..m] = T [s + 1 …. s + m] +1可能的s值。分析：这个从3到5的fo...