另外一边，陈轩这时候才刚刚准备出门。自从沉浸在知识的海洋中后，陈轩就觉得自己的生活倍有规律，一大清早，就背着自己的苹果（h/a），去了图书馆。
依旧是老地方，陈轩把笔记本打开，墙边找了一个电源插上，构思了一会儿，便在word文档上，敲下了几个大字。
【np完全问题最优演算理论】
这个题目是世界七大数学难题。这七大“世ǎ簄p完全问题，霍奇猜想，彭加莱猜想，黎曼假设，杨米尔斯理论，纳维尔_斯托可方程，bsd猜想。
这七个问题都被悬赏一百万美元，当然，陈轩不是看中这上面的悬赏，而是要破解这其中的奥妙。
一个月都沉浸在知识的海洋当中，对于理论知识，他也不知道自己已经到达何等的层次。这七个难题，是昨晚恰巧看见的，既然不知道自己的知识有多庞大，正好可以测试一下。
综合网上的资料，nomial的问题，也即是多项式复杂程度的非确定性问题。假设p ≠ np的图解。若p = np则三类相同。假设p ≠ np的图解。
若p = np则三类相同。而如果任何一个np问题都能通过一个多项式时间算法转换为某个np问题，那么这个np问题就称为np完全问题（完全问题也叫做npc问题。
举一个例子，在一个周六的晚上，你参加了一个盛大的晚会。由于感到局促不安，你想知道这一大厅中是否有你已经认识的人。
宴会的主人向你提议说，你一定认识那位正在甜点盘附近角落的女士罗曼。不费一秒钟，你就能向那里扫视，并且发现宴会的主人是正确的。然而，如果没有这样的暗示，你就必须环顾整个大厅，一个个地审视每一个人，看是否有你认识的人。
生成问题的一个解通常比验证一个给定的解时间花费要多得多。这是这种一般现象的一个例子。与此类似的是，如果某人告诉你，数13717421可以写成两个较小的数的乘积，你可能不知道是否应该相信他，但是如果他告诉你它可以分解为，那么你就可以用一个袖珍计算器容易验证这是对的。
人们发现，所有的完全多项式非确定性问题，都可以转换为一类叫做满足性问题的逻辑运算问题。
既然这类问题的所有可能答案，都可以在多项式时间内计算，人们于是就猜想，是否这类问题，存在一个确定性算法，可以在多项式时间内，直接算出或是搜寻出正确的答案呢？？的猜想。
不管我们编写程序是否灵巧，判定一个答案是可以很快利用内部知识来验证，还是没有这样的提示而需要花费大量时间来求解，被看作逻辑和计算机科学中最突出的问题之一。它是斯蒂文·考克于1971年陈述的。
陈轩默默的沉浸在知识的运算当中，不过，这个假设的知识理论，远远超出他的想象，即使超强度的大脑运算，依然没有任何的思路可以破解。
一个小时的高强度计算，陈轩并没有感觉到劳累，相反还越发的精神，不过，他知道以自己现在的知识，并不能破解这个世界难题。
这也是正常，若是陈轩一个月所掌握的知识，就能够破解这世界难题，这早已经被数学界大牛破解了，哪还会轮到陈轩。
陈轩有些猜测，应该是自己掌握的知识还不够全面，或者，有很大的知识盲区。
“算了，还是验证另外一条理论吧。”陈轩摇了摇头，他的知识还不能破解这世界难题，再思考下去，也只是纯粹的浪费时间。
陈轩坐在墙边，再次构思了一会儿，便在word重新打出几个大字。
【线性算子和线性泛函的最优反演理论】
【摘要，研究了几类在给出全部和部分信息时，线性泛函和线性算子的反演问题，介绍了最优反演理论的基本结果，特别是最优的反演方法的构造，作为例子，讨论了在给出部分傅里叶系数时反演函数的导数问题。】
陈轩默默的在脑海中计算，庞大的数学理论，从最简单到最复杂的过程，一步步的演算。
慢慢的陈轩完全沉浸在推演理论的过程，最终，“解开了？”
真解开了！如果不是在图书馆当中，他只怕真会兴奋的欢呼出声来。
电脑屏幕中，从过程到答案，每一个数字，每一个符号，乃至每一个标点，都是如此的简练，充斥着数学的美感。
唯一美中不足的地方，就是这种美太骨感了，需要用语言去丰富它的内涵，将它从纯粹的理论变成一篇论文。
“不错，看来我的知识理论也算是很强了。”陈轩露出一丝淡淡的笑容。
“看一下能不能在攻破物理的难题。”陈轩想了想，这一个月除了研究数学之外，也在研究物理题，不过，大多数的时间，都是沉浸在数学当中，刷物理书倒是很少。
陈轩想了想，再次敲下几个大字，【基于mpi并行实数编码混合遗传算法的波阻抗反演】
【摘要：地球物理反演的局部线性方法易使解陷入局部极值，并严重依赖初始模型，而传统的遗传算法在优化应用中存在局部搜索能力弱、早熟收敛等问题】
【为此，提出了一种解决地球物理反演问题的并行实数编码混合遗传算法(a)。该方法采用拟网格法初始种群、综合交叉策略和线性算子，实现了并行实码混合遗传算法。理论模型试算证明了该算法反演地震波阻抗的有效性。】
陈轩继续默默的思考这其