Powiedzmy, że język jest blisko P, jeśli istnieje algorytm wielomianowy, który poprawnie decyduje o na prawie wszystkich wejściach.L
Innymi słowy, istnieje P , tak że zanika, co oznacza Oznacza to również, że przy jednolitym losowym danych wejściowych algorytm czasu policyjnego dla A da poprawną odpowiedź dla L z prawdopodobieństwem zbliżającym się do 1. Dlatego sensowne jest zobaczenie L prawie łatwo. ALL
Zauważ, że nie musi być rzadka. Na przykład, jeśli ma ciągi n bit, to nadal zanika (w tempie wykładniczym), ponieważ .
Zgodnie z powyższą definicją nie jest trudno (sztucznie) konstruować problemy kompletne z NP , które są P -zamknięte. Na przykład, niech będzie dowolnym językiem uzupełniającym NP i zdefiniuj . Wtedy zachowuje kompletność NP , ale ma co najwyżej n -bitowe wystąpienia tak. Dlatego trywialny algorytm, który odpowiada „nie” na każdym wejściu, poprawnie decyduje o na prawie wszystkich wejściach; będzie błądził tylko na części bitowych danych wejściowych.
Z drugiej strony, byłoby bardzo zaskakujące, gdyby wszystkie problemy związane z NP były blisko P -gęstości. Oznaczałoby to, że w pewnym sensie wszystkie problemy z NP są prawie łatwe. To motywuje pytanie:
Zakładając, że P NP , jakie są niektóre naturalne problemy z NP -zupełnością , które nie są blisko P -gęstością?