扩充

NP完全问题

例：在一个周六的晚上，你参加了一个盛大的晚会。由于感到局促不安，你想知道这一大厅中是否有你已经认识的人。宴会的主人向你提议说，你一定认识那位正在甜点盘附近角落的女士罗丝。不费一秒钟，你就能向那里扫视，并且发现宴会的主人是正确的。然而，如果没有这样的暗示，你就必须环顾整个大厅，一个个地审视每一个人，看是否有你认识的人。

---

生成问题的一个解通常比验证一个给定的解时间花费要多得多。这是这种一般现象的一个例子。与此类似的是，如果某人告诉你，数13717421可以写成两个较小的数的乘积，你可能不知道是否应该相信他，但是如果他告诉你它可以分解为3607乘上3803，那么你就可以用一个袖珍计算器容易验证这是对的。

---

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，人们于是就猜想，是否这类问题，存在一个确定性算法，可以在多项式时间内，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。不管我们编写程序是否灵巧，判定一个答案是可以很快利用内部知识来验证，还是没有这样的提示而需要花费大量时间来求解，被看作逻辑和计算机科学中最突出的问题之一。它是斯蒂文·考克于1971年陈述的。

常用排序算法的时间复杂度

---

排序法     最差时间分析  平均时间复杂度     稳定度     空间复杂度 
冒泡排序    O(n2)       O(n2)       稳定      O(1) 
快速排序    O(n2)       O(n*log2n)  不稳定     O(log2n)~O(n) 
选择排序    O(n2)       O(n2)       稳定      O(1) 
二叉树排序   O(n2)       O(n*log2n)  不一定     O(n) 
插入排序    O(n2)       O(n2)       稳定      O(1) 
堆排序 O(n*log2n)  O(n*log2n)  不稳定     O(1) 
希尔排序    O(n^s)1<s<2 O(nlogn)    不稳定     O(1)