我已证明P=NP
One is all,all in one.
第一性原理
数学证明
XYZ 空间是n维空间里面的特殊情况(t=0)。
1:t=0
2:x=x && y=y && z=z && 1=1
但我们实际上是生活在n维空间里面。
// t≠0 表示时间瞬息万变的
1:t≠0
2:1=n ⇔ n=1
3:P=P ⇔ P=NP
由推论2（推论2的证明见这里）可以 将 P=NP 简化为 P=P 的问题，因此，P=NP问题便可以在n维空间中解决。
举个通俗的例子:
- 1=n : 我是人。
- n=1 : n维空间是一个整体
旅行商问题（TSP, Traveling Salesman Problem）
问题: 给定一组城市和任意两城市之间的距离，要求找出一条最短的路线K，使得：
- 每个城市恰好访问一次
- 最后返回起点
我的解答：这个问题是一个N维空间上N点连线，求最短的问题。
在传统的3维空间里面，由于时间被“忽视”（t=0）了，所以看起来不可解。
但在n维空间里面，度量线段的长度单位是“时间的长短”。举个例子，从汕头高铁站到广州东，对于人来说，最快的方案是搭高铁；但如果你是闪电侠，你可以绕地球一圈之后再回来，再从汕头高铁站跑到广州东。
只要你花的时间比高铁少，虽然你的路程多了一个圈，你的解就是更优解。 因此，解题的思路在于对”距离K“进行概念转换，以时间长短作为第一标准。如果用这种角度去思考三维线段，就会发现，其实同样的速度下，就是”直“的线段最快。N维线段的时间度量同样适用。
从哪个城市出发并不重要。 只要你到达当前城市后总是前往下一个最近的城市，这个问题就可以转化为贪婪搜索最短路径来解决。
在三维欧氏空间中，两点之间的最短路径是直线。
在 n 维空间中，线段不一定遵循三维直线。
那么，有人会问了，如果算法的规模特别大（地图上有非常多个点）,问题是否就不可解。我的回答是可解。
我们以美国地图为例。实际上解题的关键在于“计算整体解法的算法规模”以及“大规模算法分治”。 说得简单点，就是我们在美国地图上面随机选择一个点，这个点必定包含经纬度信息，有个经纬度信息就可以推断出这个点所在的“洲”。那么最近的点必然是这个“洲”里面的点。
如果你还要抬杠，那么干脆就按照我的暴力穷举算法，如果算法复杂度是50个城市（各分布在50个洲）。每次到达一个新城市之后，直接暴力穷举找到距离这个新城市通勤最近的点即可。
通勤最近的点指的是最方便去的地方，比如现在从海珠桥去中山大学海珠校区虽然最近，但因为我没有学生证，所以从海珠桥去广州塔才是最近的。
O(n)的问题，最终降维成O(1)解决。
可以看到，无论多难的问题，其实都有一个前提和”线索“。只要找到线索，就能解题。
I think I have proved P=NP problem from math. Other 20%,time will tell.
宇宙内事乃己分内事，己分内事乃宇宙内事