আনুমানিক অ্যালগরিদমগুলি কেবলমাত্র অপটিমাইজেশন সমস্যার জন্য, সিদ্ধান্তগত সমস্যার জন্য নয়।
কিছু সিদ্ধান্ত সমস্যার সমাধান করার চেষ্টা করার সময় আমরা কেন একটি অ্যালগোরিদম যে ভুলগুলির ভগ্নাংশ হিসাবে সান্নিধ্য অনুপাতকে সংজ্ঞায়িত করি না? কারণ "আনুমানিক অনুপাত" একটি সংজ্ঞায়িত, স্ট্যান্ডার্ড অর্থযুক্ত একটি শব্দ, যার অর্থ অন্য কিছু, এবং এটি দুটি ভিন্ন জিনিসের জন্য একই শব্দটি ব্যবহার করতে বিভ্রান্তিকর হবে।
ঠিক আছে, আমরা কি অন্য কিছু অনুপাত সংজ্ঞায়িত করতে পারি (যাক একে অন্য কিছু বলুন - উদাহরণস্বরূপ, "ডিটি-রেশিও") যা কোনও অ্যালগোরিদম যে ভুলের সংখ্যার সিদ্ধান্ত দেয়, কিছু সিদ্ধান্ত সমস্যার জন্য? ঠিক আছে, এটি কীভাবে করবেন তা পরিষ্কার নয়। সেই ভগ্নাংশের জন্য কী হবে? বা এটি অন্যভাবে বলতে গেলে: সমস্যাগুলির এক অসীম উদাহরণ রয়েছে, এবং তাদের কারও কারও জন্য অ্যালগরিদম সঠিক উত্তর দেবে এবং অন্যরা এটি ভুল উত্তর দেবে, সুতরাং আপনি একটি অনুপাতের সাথে শেষ করবেন "অনন্ত দ্বারা বিভক্ত কিছু", এবং এটি অর্থহীন বা সংজ্ঞায়িত না হয়ে শেষ হয়।
অন্যথা, আমরা সংজ্ঞায়িত করতে পারে , যা ভুল অ্যালগরিদম ভুলের ভগ্নাংশ হতে আকারের সমস্যা দৃষ্টান্ত উপর এন । তারপরে, আমরা r n এর সীমাটিকে n → ∞ হিসাবে গণনা করতে পারি , যদি এই জাতীয় সীমা থাকে exists এই হবেrnnrnn→∞ভালভাবে সংজ্ঞায়িত (যদি সীমাটি বিদ্যমান থাকে) তবে বেশিরভাগ ক্ষেত্রে, এটি ভয়াবহভাবে কার্যকর নাও হতে পারে। বিশেষত, এটি স্পষ্টতই সমস্যার উদাহরণগুলিতে অভিন্ন বিতরণ গ্রহণ করে। যাইহোক, বাস্তব বিশ্বে সমস্যাগুলির উদাহরণগুলিতে প্রকৃত বিতরণ একরকম নাও হতে পারে - এটি প্রায়শই ইউনিফর্ম থেকে খুব দূরে থাকে। ফলস্বরূপ, আপনি যে নম্বরটি পেতে পারেন এটি প্রায়শই কার্যকর হিসাবে কার্যকর হিসাবে আপনি আশা করতে পারেন না: এটি প্রায়শই অ্যালগরিদম কতটা ভাল তা একটি বিভ্রান্তিকর ছাপ দেয়।
কীভাবে লোকেরা আন্তঃক্ষমতা (এনপি-কঠোরতা) মোকাবেলা করে সে সম্পর্কে আরও জানার জন্য, অক্ষমতার সাথে ডিল করার জন্য একবার নজর দিন : এনপি-সম্পূর্ণ সমস্যা ।