我已经看到了 NP 的多个定义，我有点困惑将其称为非确定性多项式时间。
“NP 是可以在非确定性多项式时间内识别的语言集合。”
我的理解是，普通计算机（没有随机性）无法在多项式时间内识别语言，但具有某种形式的非确定性（硬币翻转？）的计算机可以在多项式时间内解决这个问题？
有人可以纠正我吗？你能给我举个例子，抛硬币实际上可以在多项式时间内解决问题，否则这将是指数级的？
我确实理解 NP 包括可以在多项式时间内验证的语言的定义，但我不明白如何使用非确定性来识别它们。
【问题讨论】：
标签： algorithm complexity-theory
事实上，抛硬币是关于随机性的，有些人错误地用随机性来描述不确定性。假设您有以下问题：
有 n 扇门，其中一扇门后面有你想找到的奖品。现在，让我们分析不同的方法：
（注意，为了简化描述，我不使用大O等渐近符号）
确定性：确定性算法的一个示例可以是从左到右一一打开所有门；因此，n 次操作的最坏情况复杂度
随机：我掷硬币，如果我有尾巴，我会从左到右检查门，如果我有头，我会从右到左检查它们。因此，在预期的意义上，我将获得 n/2 次操作。 （练习：为什么？）在随机算法中，我们寻找良好的平均（预期）行为
非确定性：非确定性是一个完全不同的故事，这在现实世界中是不可能的。如果你有不确定性的力量，当面临多个选择时，你可以同时尝试所有的选择。因此，非确定性算法可以同时打开所有 n 扇门；因此需要 1 次操作来找到奖品。
现在，一个可以使用非确定性多项式求解的示例。假设您面对 2 扇门（深度 1），您选择一扇门，然后再次看到 2 扇门（深度 2），依此类推，直到深度 n。所以实际上，最后一个深度有 2^n 扇门，其中一扇门后面有奖品。
使用确定性方法寻找奖品需要 2^n 次操作。但是，使用非确定性，您可以同时打开深度 1 的两扇门，同时打开 2 层的四扇门，依此类推。因此，您可以在 n 次（非确定性）操作后找到珍贵的
【讨论】：
在这种情况下，非确定性是指计算模型在某种技术意义上从所有可能的执行路径中“猜测”正确（执行）路径的能力。 A. Mashreghi 在他的回答中很好地描述了这一点。
表征 NP 的一种等效方法是它由那些问题组成)，我们可以验证实例在实例大小和证书大小上是否存在时间多项式解。 （这两种表征之间有正式的等价证明。例如，参见 Arora 和 Barak 的书。）
【讨论】：