人们普遍认为,可以在多项式时间内解决的问题是“易处理的”,而需要比这更多时间的算法是难处理的。当然,在多项式时间内可解并不能说明绝对效率。例如,在时间 n1000 中运行的东西在实践中是完全不切实际的。
虽然我见过相当多的多项式时间算法,但我从未见过一个实际问题的运行时间超过 O(n4),这是原始版本Edmonds 的匹配算法。
我的问题是:是否存在一个众所周知的问题,其最佳多项式时间算法对于实际输入是完全不切实际的?显然,我们可以构造完全无用的简单人为问题,但我很好奇是否存在一个著名的问题,其中最著名的解决方案既是多项式时间又是完全不可行的。
编辑:为了澄清,我可能应该说我正在寻找一种对问题规模有巨大指数的算法,而不是难以实现的算法或具有巨大问题规模的算法常数因子。正如 Moron 指出的那样,有许多著名的不切实际的算法具有很好的渐近行为。
最佳答案
PRIMES 在 P 中:AKS primality test ,复杂度 O(n6),其中 n = log N 是用于编码候选素数的位数。
虽然这是一个漂亮的理论结果,但通常使用 Miller-Rabin 执行素数测试。测试,或与其他类似的随机算法。
关于algorithm - 已知在 P 中的不切实际算法的示例?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5140015/