当然，这里是为了帮助理解而简约化的两个🙉概念，是抛开了数学上的严谨性和复杂性，简而明了的理解做出的简化。
p代表了这样一类🁠问题，计算机在解决它们的🞒📦🝄时候可以有速度非常快的方法。这个速度🄯🁄和计算机硬件无关，仅仅取决于这个解决方法本身的便捷性。
而Np代表了另一类问题，它们有最优解，但是，其中很多问题，计算机在寻求最优解时，没有快速的方法，甚至，只能傻傻的、暴力的♰🟇、尝试所有可能的组合，然后找到最优解🕣。
Np问题中，最🄎难的一类问题，被称为Npc，也就是N♿🎊p完⛧全问题。
如果这样说依旧🄎不够具体的话，用一个小小的故事来举例，相信你能⛟🛬更加简约的理解。
假设你在参加一个盛大的宴会，想要知道里面有没有认♟识的人。
这个时候，宴会的主人对你说，你一定认识🙉正站在甜点桌右边角落里的女士小A，于是你立刻扫向那🛏🜷里，发现他说的是对的，你的确认识她。
于是，通
过宴会主人的信🄎息，你很容易判断出A女士你认识。
但如果他不告诉你这些，你就需要环顾整个大厅，审视过每一个🙺🏟人，然后才知道有没有认识的人。
通过宴会主人的暗示，找到🞋💦小A女士，就是🙉p类😏⛾☛问题；
而你按照他的提示发现自己认识小A女🄤士，容易检查到小A女士就是Np问题。
在某岛国作家《嫌疑人x的献身》推理🄤中，石神和汤川曾讨论，解决一个命题和判断一个命题💍🐦🂉是否正确，哪个更难。
其实数学界早就已经给出了答案，p=Np？问题就放在哪里，它告诉了所有人，生成问♹🍓🇧题的一个解，通常比验证一个给定的解，要花费更多时间。
比如，如果让你计算世界上所有原子个数的总和，这🕈🇪个问题很困难，甚至无解。🖰🖰
但是，如果有人告诉你世界上一共有500🙉个原子，那♟么你能很快验证他是错的。很容易验证，却不容易求解，这种就是Np类问题。
p类问题是可以在多项式时间内解决并🄤验证的一类问题;Np类问题是可以多项式时间验证但是不确定能否在多项式🝛时间内解决的一类问题。
很显然，🙼🏱所有p类问题都属于Np类问题，但是无法确定Np是否等于p。
而自「p=Np?」提出以来，无论是数学界也好，还是计算机🙺🏟领域也好，都做了很多尝试。💍🐦🂉
要证明p=Np，最显然的方♥👭法就是给出一个Np完全问题的多项式时间的算法。
但在过去的几十🄎年里，一大批数学家和程序人员为寻找Np完全问题的多项式时间的算法做了很🅻多工作，都没有成功。😆⚯
当然，也有很大的一批人在尝试给出p≠Np？，甚至在如今的主流数学界和计算机行业，大部分的学者和研究人员都😆⚯认⚝为p≠Np？。
原因很简单，🖿😔🁄如果p=Np，♥👭则意味着，每一🞒📦🝄个Np问题都可以转化成p，也就是每一个难题最终可以变成一个简单命题，让计算机可以快速求解。