¿Cuál es el problema P vs NP?

Voy a simplificar en exceso aquí.

Hay una clase de problemas “P” que son difíciles de resolver, pero que se pueden resolver con trucos o con un gran esfuerzo y que a menudo se pueden resolver “suficientemente bien” adivinando inteligentemente. La P significa “polinomio”, ya que existe una relación polinómica (cuadrado, cubo, etc.) entre el tamaño del problema y el trabajo para encontrar una solución. (Duplicar el tamaño hace que sea cuatro veces más trabajo resolverlo, o algo así).

Hay otra clase de problemas “NP” que son difíciles de resolver, y para los cuales no se conocen buenos atajos. La descripción técnica es que verificar si una respuesta a un problema NP es correcta es un problema P. Los problemas de NP suelen ser “exponenciales”, por lo que si agrego 1 al tamaño de un problema, podría ser el doble de difícil de resolver.

Además, algunas personas inteligentes han demostrado que todos los diferentes problemas de NP son más o menos iguales, ya que si uno resulta solucionable, los otros también lo son.

Nadie sabe si todos los problemas “NP” son realmente solo problemas “P” disfrazados. Esta pregunta ha estado abierta desde 1971.

Si P = NP, entonces significa que todos los problemas de NP son en principio solucionables mediante trucos inteligentes. Si P no es NP, entonces los problemas de NP probablemente no se puedan resolver en principio.

Por “solucionable” realmente estoy hablando de formas que son más rápidas que simplemente probar todas las soluciones posibles para ver si una funciona. Siempre puedes hacer eso.

A continuación, gran parte de nuestra seguridad actual de Internet depende de que los problemas de NP sean realmente difíciles de resolver, por lo que si resulta que P = NP, gran parte del software de cifrado y demás de los que todos dependemos ya no serán confiables.

El núcleo del problema NP está relacionado con la respuesta a la pregunta: ¿Podemos, utilizando algún algoritmo, encontrar el valor de verdad (o significado) de una frase lógica (o lingüística) en una cantidad práctica de tiempo o no? Las personas han acordado una definición de “práctica” que involucra funciones polinómicas en la longitud de la fórmula / frase de entrada. La mayoría de la gente cree que no podemos encontrar dicho algoritmo. Esto se llama conjetura P <> NP. Aunque no tiene pruebas, a menos que alguien demuestre que P <> NP, ahora es el axioma en el que se basa toda la informática moderna. La razón de esto es que hay miles de problemas prácticos muy importantes que pueden reducirse a responder esta pregunta aparentemente simple … gracias por la pregunta importante – saludos

More Interesting

Cómo dejar de hacer preguntas mientras aprende ingeniería

¿Qué es una explicación intuitiva de P = NP?

¿Cuál es el nivel de matemáticas de un estudiante de doctorado en ciencias de la computación?

¿Cuáles son algunos temas imprescindibles en matemáticas discretas y probabilidad de programación competitiva?

¿Cómo se relacionan los cierres del lenguaje de programación con el cierre en matemáticas?

¿Por qué la gente encuentra divertida la programación / codificación, pero no las matemáticas?

Dada una matriz que consta de solo 0s y 1s, ¿cómo puedo encontrar la submatriz más grande que contenga solo 1s?

¿Qué problemas originalmente se pensaban que solo podían resolverse con una computadora pero luego tenían una prueba de papel y lápiz?

¿Puede una resta dar un resultado negativo usando un número sin signo?

¿Cuál es la diferencia entre la variable de control y la variable de confusión?

Tienes 25 caballos y quieres elegir los 3 caballos más rápidos de esos 25. En cada carrera, solo 5 caballos pueden correr al mismo tiempo porque solo hay 5 pistas. ¿Cuál es el número mínimo de carreras requeridas para encontrar los 3 caballos más rápidos sin usar un cronómetro?

¿Qué asignatura de matemática es más relevante para la ingeniería de software, la combinatoria o la teoría de números?

¿Los programadores de computadoras usan Pi para crear un número 'aleatorio'?

¿Cuál es la diferencia entre matemática y ciencia?

¿Cómo es útil la optimización convexa en la industria tecnológica?