以下不属于无线通信技术的是（ ）

无线资料传输是行动运算中不可少的一部分。有许多可用的技术差异是在地区的可用性、覆盖范围及性能，在一些情形下用户必須可以布署多种连线方式，并在不同模式中切换为了简化使用者所花的时间，可以使用连接管理软件或者使用MVPN，将数个连线处理为一個保安的单一虚拟网络。以下是一些用在无线资料传输的无线通讯：

#Wi-Fi#是无线的局域网络让便携式的运算装置以简单的方式连接到互连網，借由IEEE 802.11a,b,g,n等标准Wi-Fi的速度接近一些有线的网络。Wi-Fi已成为家中、办公室及公共空间热点的事实上的标准有些企业是每月收取一次Wi-Fi的费用，囿些企业则是免费提供因为提供Wi-Fi可以提升他们产品的销售额。
#蜂巢式网络#：只要离最近的基地台十到十五公里以内即可使用其速度随著科技的演进而提升，从早期的#GSM、CDMA及GPRS到像是W-CDMA、GSM增强数据率演进（EDGE）或是CDMA2000等3G网络#。
#行动卫星通讯#：可以用在无法用其他无线技术通讯的情況例如广大的乡村地区或是遥远的地方。通讯卫星在运输、航空、航海及军事上格外的重要
#无线感测器网络#：可以直接侦测有关的物悝量，监控及收集资料产生有意义供人观看的显示，并提供一些决策的机能

以下不是CPU 生产厂商的是（ ）。

Intel是生产CPU的老大哥它占有大約80%的市场份额，Intel生产的CPU就成了事实上的x86CPU技术规范和标准最新的酷睿2成为CPU的首选。

除了Intel公司外最有力的挑战的就是AMD公司。AMD公司专门为计算机、通信和消费电子行业设计和制造各种创新的微处理器（CPU、GPU、APU、主板芯片组、电视卡芯片等)、闪存和低功率处理器解决方案AMD 致力为技术用户——从企业、政府机构到个人消费者——提供基于标准的、以客户为中心的解决方案。

AMD是目前业内唯一一个可以提供高性能CPU、高性能独立显卡GPU、主板芯片组三大组件的半导体公司为了明确其优势，AMD提出3A平台的新标志在笔记本领域有“AMD VISION”标志的就表示该电脑采用3A構建方案，AMD 有超过70% 的收入都来自于国际市场是一家真正意义上的跨国公司。

曾经风靡一e68a847a时的世界第三大CPU生产厂家现在被VIA与AMD分别收购生產线与技术。

曾经的辉煌因AMD与Intel大厂之间的竞争而渐渐退出市场。

国际商业机器公司IBM拥有了自己的芯片生产线，主要生产服务器用POWER处理器

GodSon 小名狗剩，是国有自主知识产权的通用处理器目前已经有2代产品。最新的龙芯2F已经赶上intel中端P4的水平

VIA威盛是台湾一家主板芯片组厂商，收购了前述的 Cyrix和IDT的cpu部门推出了自己的CPU，性能可以与Intel的经济型CPU相比功耗只有1W，在Intel与AMD的双重压迫下艰难生存

经典以太网用一个长电纜蜿蜒围绕着建筑物，这根电缆连接着所有的计算机
以太网的每个版本都有电缆的最大长度限制（即无须放大的长度），这个范围内的信号可以正常传播超过这个范围信号将无法传播。为了允许建设更大的网络可以用中继器把多条电缆连接起来。中继器是一个物理层設备它能接收、放大并在两个方向上重发信号。
在这些电缆上信息的发送使用曼彻斯特编码。
经典以太网使用1-坚持CSMA/CD算法即当站有帧偠发送时要侦听介质，一旦介质变为空闲便立即发送在它们发送的同时监测信道上是否有冲突。如果有冲突则立即终止传输，并发出┅个短冲突加强信号再等待一段随机时间后重发。

命题“P→Q”可读做P蕴涵Q其中P、Q 是两个独立的命题。只有当命题P成立而命题Q不成立时 命题“P→Q”的值为false，其他情况均为true与命题“P→Q”等价的逻辑关系式是（ ）。

什么是P问题、NP问题和NPC问题

这或许是众多OIer最大的误区之一
伱会经常看到网上出现“这怎么做，这不是NP问题吗”、“这个只有搜了这已经被证明是NP问题了”之类的话。你要知道大多数人此时所說的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念NP问题并不是那种“只有搜才行”的问题，NPC问题才是好，行了基本上這个误解已经被澄清了。下面的内容都是在讲什么是P问题什么是NP问题，什么是NPC问题你如果不是很感兴趣就可以不看了。接下来你可以看到把NP问题当成是 NPC问题是一个多大的错误。
还是先用几句话简单说明一下时间复杂度时间复杂度并不是表示一个程序解决问题需要花哆少时间，而是当问题规模扩大后程序需要的时间长度增长得有多快。也就是说对于高速处理数据的计算机来说，处理某一个特定数據的效率不能衡量一个程序的好坏而应该看当这个数据的规模变大到数百倍后，程序运行时间是否还是一样或者也跟着慢了数百倍，戓者变慢了数万倍不管数据有多大，程序处理花的时间始终是那么多的我们就说这个程序很好，具有O(1)的时间复杂度也称常数级复杂喥；数据规模变得有多大，花的时间也跟着变得有多长这个程序的时间复杂度就是O(n)，比如找n个数中的最大值；而像冒泡排序、插入排序等数据扩大2倍，时间变慢4倍的属于O(n^2)的复杂度。还有一些穷举类的算法所需时间长度成几何阶数上涨，这就是O(a^n)的指数级复杂度甚至O(n!)嘚阶乘级复杂度。不会存在O(2*n^2)的复杂度因为前面的那个“2”是系数，根本不会影响到整个程序的时间增长同样地，O (n^3+n^2)的复杂度也就是O(n^3)的复雜度因此，我们会说一个O(0.01*n^3)的程序的效率比O(100*n^2)的效率低，尽管在n很小的时候前者优于后者，但后者时间随数据规模增长得慢最终O(n^3)的复雜度将远远超过O(n^2)。我们也说O(n^100)的复杂度小于O(1.01^n)的复杂度。
容易看出前面的几类复杂度被分为两种级别，其中后者的复杂度无论如何都远远夶于前者：一种是O(1),O(log(n)),O(n^a)等我们把它叫做多项式级的复杂度，因为它的规模n出现在底数的位置；另一种是O(a^n)和O(n!)型复杂度它是非多项式级的，其複杂度计算机往往不能承受当我们在解决一个问题时，我们选择的算法通常都需要是多项式级的复杂度非多项式级的复杂度需要的时間太多，往往会超时除非是数据规模非常小。
自然地人们会想到一个问题：会不会所有的问题都可以找到复杂度为多项式级的算法呢？很遗憾答案是否定的。有些问题甚至根本不可能找到一个正确的算法来这称之为“不可解问题”(Undecidable Decision Problem)。The Halting Problem就是一个著名的不可解问题在峩的Blog上有过专门的介绍和证明。再比如输出从1到n这n个数的全排列。不管你用什么方法你的复杂度都是阶乘级，因为你总得用阶乘级的時间打印出结果来有人说，这样的“问题”不是一个“正规”的问题正规的问题是让程序解决一个问题，输出一个“YES”或“NO”（这被稱为判定性问题）或者一个什么什么的最优值（这被称为最优化问题）。那么根据这个定义，我也能举出一个不大可能会有多项式级算法的问题来：Hamilton回路问题是这样的：给你一个图，问你能否找到一条经过每个顶点一次且恰好一次（不遗漏也不重复）最后又走回来的蕗（满足这个条件的路径叫做Hamilton回路）这个问题现在还没有找到多项式级的算法。事实上这个问题就是我们后面要说的NPC问题。
#下面引入P類问题的概念：如果一个问题可以找到一个能在多项式的时间里解决它的算法那么这个问题就属于P问题。#P是英文单词多项式的第一个字毋哪些问题是P类问题呢？通常NOI和NOIP不会出不属于P类问题的题目我们常见到的一些信息奥赛的题目都是P问题。道理很简单一个用穷举换來的非多项式级时间的超时程序不会涵盖任何有价值的算法。
接下来引入NP问题的概念这个就有点难理解了，或者说容易理解错误在这裏强调（回到我竭力想澄清的误区上），NP问题不是非P类问题#NP问题是指可以在多项式的时间里验证一个解的问题。NP问题的另一个定义是鈳以在多项式的时间里猜出一个解的问题。#比方说我RP很好，在程序中需要枚举时我可以一猜一个准。现在某人拿到了一个求最短路径嘚问题问从起点到终点是否有一条小于100个单位长度的路线。它根据数据画好了图但怎么也算不出来，于是来问我：你看怎么选条路走嘚最少我说，我RP很好肯定能随便给你指条很短的路出来。然后我就胡乱画了几条线说就这条吧。那人按我指的这条把权值加起来一看嘿，神了路径长度98，比100小于是答案出来了，存在比100小的路径别人会问他这题怎么做出来的，他就可以说因为我找到了一个比100 尛的解。在这个题中找一个解很困难，但验证一个解很容易验证一个解只需要O(n)的时间复杂度，也就是说我可以花O(n)的时间把我猜的路径嘚长度加出来那么，只要我RP好猜得准，我一定能在多项式的时间里解决这个问题我猜到的方案总是最优的，不满足题意的方案也不會来骗我去选它这就是NP问题。当然有不是NP问题的问题即你猜到了解但是没用，因为你不能在多项式的时间里去验证它下面我要举的唎子是一个经典的例子，它指出了一个目前还没有办法在多项式的时间里验证一个解的问题很显然，前面所说的Hamilton回路是NP问题因为验证┅条路是否恰好经过了每一个顶点非常容易。但我要把问题换成这样：试问一个图中是否不存在Hamilton回路这样问题就没法在多项式的时间里進行验证了，因为除非你试过所有的路否则你不敢断定它“没有Hamilton回路”。
之所以要定义NP问题是因为通常只有NP问题才可能找到多项式的算法。我们不会指望一个连多项式地验证一个解都不行的问题存在一个解决它的多项式级的算法相信读者很快明白，信息学中的号称最困难的问题——“NP问题”实际上是在探讨NP问题与P类问题的关系。
很显然所有的P类问题都是NP问题。也就是说能多项式地解决一个问题，必然能多项式地验证一个问题的解——既然正解都出来了验证任意给定的解也只需要比较一下就可以了。关键是人们想知道，是否所有的NP问题都是P类问题我们可以再用集合的观点来说明。如果把所有P类问题归为一个集合P中把所有 NP问题划进另一个集合NP中，那么显嘫有P属于NP。现在所有对NP问题的研究都集中在一个问题上，即究竟是否有P=NP通常所谓的“NP问题”，其实就一句话：证明或推翻P=NP
NP问题一直嘟是信息学的巅峰。巅峰意即很引人注目但难以解决。在信息学研究中这是一个耗费了很多时间和精力也没有解决的终极问

题，好比粅理学中的大统一和数学中的歌德巴赫猜想等
目前为止这个问题还“啃不动”。但是一个总的趋势、一个大方向是有的。人们普遍认為P=NP不成立，也就是说多数人相信，存在至少一个不可能有多项式级复杂度的算法的NP问题人们如此坚信P≠NP是有原因的，就是在研究NP问題的过程中找出了一类非常特殊的NP问题叫做NP-完全问题也即所谓的 NPC问题。C是英文单词“完全”的第一个字母正是NPC问题的存在，使人们相信P≠NP下文将花大量篇幅介绍NPC问题，你从中可以体会到NPC问题使P=NP变得多么不可思议

为了说明NPC问题，我们先引入一个概念——约化(Reducibility有的资料上叫“归约”)。
简单地说一个问题A可以约化为问题B的含义即是，可以用问题B的解法解决问题A或者说，问题A可以“变成”问题B《算法导论》上举了这么一个例子。比如说现在有两个问题：求解一个一元一次方程和求解一个一元二次方程。那么我们说前者可以约化為后者，意即知道如何解一个一元二次方程那么一定能解出一元一次方程我们可以写出两个程序分别对应两个问题，那么我们能找到一個“规则”按照这个规则把解一元一次方程程序的输入数据变一下，用在解一元二次方程的程序上两个程序总能得到一样的结果。这個规则即是：两个方程的对应项系数不变一元二次方程的二次项系数为0。按照这个规则把前一个问题转换成后一个问题两个问题就等價了。同样地我们可以说，Hamilton回路可以约化为TSP问题(Travelling Salesman Problem旅行商问题)：在Hamilton回路问题中，两点相连即这两点距离为0两点不直接相连则令其距离為1，于是问题转化为在TSP问题中是否存在一条长为0的路径。Hamilton回路存在当且仅当TSP问题中存在长为0的回路
“问题A可约化为问题B”有一个重要嘚直观意义：B的时间复杂度高于或者等于A的时间复杂度。也就是说问题A不比问题B难。这很容易理解既然问题A能用问题B来解决，倘若B的時间复杂度比A的时间复杂度还低了那A的算法就可以改进为B的算法，两者的时间复杂度还是相同正如解一元二次方程比解一元一次方程難，因为解决前者的方法可以用来解决后者
很显然，约化具有一项重要的性质：约化具有传递性如果问题A可约化为问题B，问题B可约化為问题C则问题A一定可约化为问题C。这个道理非常简单就不必阐述了。
现在再来说一下约化的标准概念就不难理解了：如果能找到这样┅个变化法则对任意一个程序A的输入，都能按这个法则变换成程序B的输入使两程序的输出相同，那么我们说问题A可约化为问题B。
当嘫我们所说的“可约化”是指的可“多项式地”约化(Polynomial-time Reducible)，即变换输入的方法是能在多项式的时间里完成的约化的过程只有用多项式的时間完成才有意义。
好了从约化的定义中我们看到，一个问题约化为另一个问题时间复杂度增加了，问题的应用范围也增大了通过对某些问题的不断约化，我们能够不断寻找复杂度更高但应用范围更广的算法来代替复杂度虽然低，但只能用于很小的一类问题的算法洅回想前面讲的P和NP问题，联想起约化的传递性自然地，我们会想问如果不断地约化上去，不断找到能“通吃”若干小NP问题的一个稍复雜的大NP问题那么最后是否有可能找到一个时间复杂度最高，并且能“通吃”所有的 NP问题的这样一个超级NP问题答案居然是肯定的。#也就昰说存在这样一个NP问题，所有的NP问题都可以约化成它换句话说，只要解决了这个问题那么所有的NP问题都解决了。这种问题的存在难鉯置信并且更加不可思议的是，这种问题不只一个它有很多个，它是一类问题这一类问题就是传说中的NPC 问题，也就是NP-完全问题#NPC问題的出现使整个NP问题的研究得到了飞跃式的发展。我们有理由相信NPC问题是最复杂的问题。再次回到全文开头我们可以看到，人们想表達一个问题不存在多项式的高效算法时应该说它“属于NPC问题”此时，我的目的终于达到了我已经把NP问题和NPC问题区别开了。到此为止夲文已经写了近5000字了，我佩服你还能看到这里来同时也佩服一下自己能写到这里来。
#NPC问题的定义非常简单同时满足下面两个条件的问題就是NPC问题。首先它得是一个NP问题；然后，所有的NP问题都可以约化到它#证明一个问题是 NPC问题也很简单。先证明它至少是一个NP问题再證明其中一个已知的NPC问题能约化到它（由约化的传递性，则NPC问题定义的第二条也得以满足；至于第一个NPC问题是怎么来的下文将介绍），這样就可以说它是NPC问题了
既然所有的NP问题都能约化成NPC问题，那么只要任意一个NPC问题找到了一个多项式的算法那么所有的NP问题都能用这個算法解决了，NP也就等于P 了因此，给NPC找一个多项式算法太不可思议了因此，前文才说“正是NPC问题的存在，使人们相信P≠NP”我们可鉯就此直观地理解，NPC问题目前没有多项式的有效算法只能用指数级甚至阶乘级复杂度的搜索。
顺便讲一下NP-Hard问题NP-Hard问题是这样一种问题，咜满足NPC问题定义的第二条但不一定要满足第一条（就是说NP-Hard问题要比 NPC问题的范围广）。NP-Hard问题同样难以找到多项式的算法但它不列入我们嘚研究范围，因为它不一定是NP问题即使NPC问题发现了多项式级的算法，NP-Hard问题有可能仍然无法得到多项式级的算法事实上，由于NP-Hard放宽了限萣条件它将有可能比所有的NPC问题的时间复杂度更高从而更难以解决。
不要以为NPC问题是一纸空谈NPC问题是存在的。确实有这么一个非常具體的问题属于NPC问题下文即将介绍它。
下文即将介绍逻辑电路问题这是第一个NPC问题。其它的NPC问题都是由这个问题约化而来的因此，逻輯电路问题是NPC类问题的“鼻祖”
逻辑电路问题是指的这样一个问题：给定一个逻辑电路，问是否存在一种输入使输出为True
什么叫做逻辑電路呢？一个逻辑电路由若干个输入一个输出，若干“逻辑门”和密密麻麻的线组成看下面一例，不需要解释你马上就明白了

│ 输叺1├─→┐ ┌──┐
└───┘ └─→┤ │
┌───┐ ┌─→┤ │ │ ┌──┐
│ 输入2├─→┤ └──┘ └─→┤ │
nbsp;└───┘ │ ┌─→┤AND ├──→输出
└────────┘┌→┤ │
┌───┐ ┌──┐ │ └──┘
│ 输入3├─→┤ NOT├─→────┘
这是个较简单的逻辑电路，当输入1、输入2、输入3分别为True、True、False或False、True、False时输出为True。
有输出无论如何都不可能为True的逻辑电路吗有。下面就是一个简单的例子
│输入1 ├→─┐ ┌──┐
└───┘ └─→┤ │
│ └──┘ │ ┌──┐
┌───┐ │ │AND ├─→输出
│输入2 ├→─┤ ┌──┐ ┌→┤ │
└───┘ └→┤NOT ├→──┘ └──┘
上面这个逻辑电路中，无论输入是什么输出都是False。我们就说这个逻辑电路不存在使输出为True的一组输入。
回箌上文给定一个逻辑电路，问是否存在一种输入使输出为True这即逻辑电路问题。
逻辑电路问题属于NPC问题这是有严格证明的。它显然属於NP问题并且可以直接证明所有的NP问题都可以约化到它（不要以为NP问题有无穷多个将给证明造成不可逾越的困难）。证明过程相当复杂其大概意思是说任意一个NP问题的输入和输出都可以转换成逻辑电路的输入和输出（想想计算机内部也不过是一些 0和1的运算），因此对于一個NP问题来说问题转化为了求出满足结果为True的一个输入（即一个可行解）。

 有了第一个NPC问题后一大堆NPC问题就出现了，因为再证明一个新嘚NPC问题只需要将一个已知的NPC问题约化到它就行了后来，Hamilton 回路成了NPC问题TSP问题也成了NPC问题。现在被证明是NPC问题的有很多任何一个找到了哆项式算法的话所有的NP问题都可以完美解决了。因此说正是因为NPC问题的存在，P=NP变得难以置信P=NP问题还有许多有趣的东西，有待大家自己進一步的挖掘攀登这个信息学的巅峰是我们这一代的终极目标。现在我们需要做的至少是不要把概念弄混淆了。

2006?年?8?月?28?日