Ось пряме спостереження. Якщо ви припускаєте , то досить легко побачити, що існують проблеми оптимізації які не мають навіть певних алгоритмів недетермінованого наближення в певному сенсі.N PNP≠coNPNP
Наприклад, теорема PCP говорить про те, що ви можете перевести SAT в задачу розрізнити, чи задоволений пропозицій і чи задоволені всі пропозиції, для деяких . Припустимо, існує недетермінований алгоритм, який може розрізняти ці два випадки, в тому сенсі, що недетермінований алгоритм може звітувати в кожному шляху обчислення або "всі задоволені", або " ", і він говорить "щонайбільше "у деякому шляху, якщо максимум може бути задоволений, інакше він говорить" всі задоволені "в кожному обчислювальному шляху, якщо всі рівняння можуть бути задоволені. Цього цілком достатньо, щоб визначити SAT в ,ε > 0 1 - ε 1 - ε 1 - ε c o N P N P = c o N P P = N P1−εε>01−ε1−ε1−εcoNPNP=coNP. Здається зрозумілим, що існування такого недетермінованого алгоритму не має ніякого відношення до того, чи .P=NP
Цілком правдоподібно, що існує більш "природний" сценарій: проблема оптимізації, яку важко наблизити в детермінованому поліномійному часі під але, як відомо, не важко під . (Це, мабуть, те, що ви насправді хотіли запитати.) Багато твердості результатів апроксимації спочатку доводиться за деяким більш сильним припущенням (наприклад, не в субекспоненціальний час, або не в ). У деяких випадках пізніші вдосконалення послаблюють необхідне припущення, іноді аж до . Тож є надія, що відповідь на ваше запитання є дещо задовільнішою, ніж ця. Важко задатись питанням, як могла виникнути проблемаNP≠coNPP≠NPNPNPBPPP≠NPне можна довести важку апроксимацію в детермінованому полімережі під , але це може бути важко під . Це означатиме, що розповідає нам щось про детерміновані обчислення, про які вже не говорить; інтуїтивно це важко зрозуміти.P≠NPNP≠coNPNP≠coNPP≠NP