根据我的理解，np-hard问题并不比np-complete问题“更难”。事实上，根据定义，每个np完全问题都是:

在NP np-hard

——介绍。Cormen, Leiserson, Rivest, and Stein所著的算法(3ed)，第1069页

条件1。和2。翻译成英语:

语言L在NP中，和 每一种NP语言都是多项式时间可约化为语言L。

我想我们可以更简洁地回答。我回答了一个相关的问题，并从那里复制了我的答案

但首先，np难问题是指我们无法证明存在多项式时间解的问题。某些“问题- p”的np -硬度通常是通过在多项式时间内将已经证明的np -难问题转换为“问题- p”来证明的。

要回答剩下的问题，首先需要了解哪些np困难问题也是np完全问题。如果一个NP难问题属于集合NP，则它是NP完全问题。要属于集合NP，一个问题需要 (i)决策问题， (ii)问题的解的数量应该是有限的，每个解应该是多项式长度，并且 (iii)给定一个多项式长度的解，我们应该能够说出问题的答案是或否 现在，很容易看出，可能有许多NP困难问题不属于集合NP，更难解决。作为一个直观的例子，旅行推销员的优化版本(我们需要找到一个实际的时间表)比旅行推销员的决策版本(我们只需要确定长度<= k的时间表是否存在)更难。

对于这个特别的问题有很好的答案，所以没有必要写我自己的解释。所以我会试着提供关于不同类型计算复杂度的优秀资源。

对于那些认为计算复杂度只是关于P和NP的人来说，这里有关于不同计算复杂度问题的最详尽的资源。除了OP提出的问题，它还列出了大约500种不同类型的计算问题，并给出了很好的描述，还列出了描述这类问题的基础研究论文。

这是对问题的非正式回答。

3233可以写成另外两个大于1的数的乘积吗?有没有办法绕过Königsberg的七座桥而不经过任何一座桥两次?这些问题都有一个共同的特点。如何有效地确定答案可能并不明显，但如果答案是“是”，那么就有一个简短而快速的证明。在第一种情况下，61的非平凡因式分解(53是另一个质因数);第二种是通过桥梁的路线(符合约束条件)。

决策问题是一组答案为“是”或“否”的问题，这些问题只在一个参数上有所不同。假设问题COMPOSITE={"Is n Is COMPOSITE ": n是一个整数}或EULERPATH={"图G有欧拉路径吗?": G是有限图}。

现在，有些决策问题即使没有明显的算法，也可以用在高效的算法上。250多年前，欧拉发现了一种有效的算法来解决“Königsberg的七座桥”这样的问题。

另一方面，对于许多决策问题，如何得到答案并不明显，但如果你知道一些额外的信息，如何证明你得到了正确的答案就很明显了。COMPOSITE是这样的:试除法是显而易见的算法，它很慢:要分解一个10位数的数，你必须尝试10万个可能的除数。但是，例如，有人告诉你61是3233的除法，简单的长除法是一种有效的方法来证明他们是正确的。

复杂性类NP是一类决策问题，其中“是”的答案有简短的陈述，快速检查证明。像复合。重要的一点是，这个定义并没有说明问题有多难。如果你有一个正确有效的方法来解决一个决策问题，只要写下解决方案中的步骤就足够了。

算法的研究仍在继续，新的聪明的算法一直在被创造出来。一个你今天可能不知道如何有效解决的问题，明天可能会有一个有效的解决方案(如果不是明显的)。事实上，直到2002年，研究人员才找到了一个有效的COMPOSITE解决方案!有了这些进步，人们真的想知道:这一点关于简短的证明只是一种幻觉吗?也许每个适合有效证明的决策问题都有有效的解决方案?没有人知道。

也许这个领域最大的贡献来自于发现一类特殊的NP问题。通过摆弄电路模型进行计算，斯蒂芬·库克发现了一个NP类型的决策问题，可以证明，这个问题比任何其他NP问题都难，甚至更难。布尔可满足性问题的有效解决方案可以用于创建NP中任何其他问题的有效解决方案。不久之后，理查德·卡普(Richard Karp)证明了其他一些决策问题也可以达到同样的目的。这些问题在某种意义上是NP中“最难”的问题，被称为NP完全问题。

当然，NP只是一类决策问题。许多问题不是自然地以这种方式表述的:“找到N的因子”，“找到图G中访问每个顶点的最短路径”，“给出一组变量赋值，使以下布尔表达式为真”。尽管人们可能非正式地将一些这样的问题称为“NP问题”，但从技术上讲，这并没有多大意义——它们不是决策问题。其中一些问题甚至可能具有与NP完全问题相同的力量:对这些(非决策)问题的有效解决方案将直接导致对任何NP问题的有效解决方案。像这样的问题被称为np困难。

解释P和NP的最简单的方法是比较“文字问题”和“多项选择题”。

当你试图解决一个“应用题”时，你必须从头开始寻找解决方案。 当你试图解决一个“多项选择题”时，你有一个选择:要么像解决“应用题”一样解决它，要么试着把给你的每个答案都代入，然后选择一个合适的候选答案。

通常情况下，“多项选择题”比相应的“应用题”容易得多:替换候选答案并检查它们是否合适，可能比从头开始寻找正确答案要省力得多。

现在，如果我们同意花费多项式时间的努力是“简单”的，那么P类将由“简单的应用题”组成，NP类将由“简单的多项选择题”组成。

P和NP的本质是一个问题:“有没有简单的选择题不像应用题那么简单?”也就是说，是否存在这样的问题:验证给定答案的有效性很容易，但从头开始寻找答案却很困难?

现在我们已经直观地理解了NP是什么，我们必须挑战我们的直觉。事实证明，在某种意义上，“多项选择题”是最难的:如果一个人能找到其中一个“最难的”问题的解决方案，那么他就能找到所有NP问题的解决方案!40年前，当库克发现这一点时，完全出乎意料。这些“最难的”问题被称为np难问题。如果你找到其中一个的“应用题解答”，你就会自动找到每一个“简单多项选择题”的“应用题解答”!

最后，NP完全问题是那些同时是NP和NP难的问题。按照我们的类比，它们既“像选择题一样简单”，又“像应用题一样最难”。

除了其他很好的答案，下面是人们用来显示NP、NP- complete和NP- hard之间区别的典型模式: