# P/NP 辯論遊戲研究區｜第八輪

## 演算法—代數橋壓力測試：從 Matching、Flow、Determinant 到精確商結構

**Round 08: Stress-Testing the Algorithm-to-Algebra Bridge — Exact Quotients Beyond Classical Closure**

- **主導研究者：** Neo.K（許筌崴）
- **協作整理：** Aletheia
- **機構：** EveMissLab（一言諾科技有限公司）
- **日期：** 2026 年 8 月 1 日
- **版本：** v1.0
- **研究狀態：** 第八輪雙假設預演
- **前置文件：** `00`–`07`
- **遊戲態度：** 等號隊與不等號隊繼續互拆
- **文件標準：** 所有數學結論仍依正式研究規格標記；比分不是證據

---

## 摘要

第七輪以 Schaefer Boolean CSP 與 finite-domain CSP dichotomy 為參照，確認 polymorphism 能很好地解釋大量 constraint language 的 tractability，但尚不能推出「任意 P-time 演算法必然誘導 classical solution closure」。因此第八輪故意選擇數個明顯不以 classical solution-set closure 為主要敘事、卻確實存在多項式時間演算法的問題進行壓力測試：一般圖最大匹配、最大流、行列式／線性消去、最短路徑，以及 bounded-treewidth dynamic programming。

結果顯示，這些演算法雖然沒有共享單一 polymorphism，卻反覆出現一個更廣義的結構：**精確商化（exact quotienting）／精確聚合（exact aggregation）**。演算法並非逐一保存所有候選，而是構造一個較小狀態，使大量彼此不同的局部可能性，只要對未來答案具有相同作用，就被壓縮為同一個等價類或摘要。

例如：

- Edmonds blossom algorithm 將 odd blossom 收縮為單一節點，同時保存 augmenting path 的存在性；
- max-flow 以 residual network 保存所有仍可改善流量的必要資訊，而 max-flow/min-cut 形成全域最優性的對偶證明；
- Gaussian elimination 以 row elimination 將線性系統轉成較簡單但等價的系統；
- shortest-path 演算法以 min-plus／semiring 結構把指數多條路徑聚合為少量距離值；
- bounded-treewidth DP 只保存 separator／bag 邊界上與未來組合相關的狀態，而丟棄子圖內部大量細節。

本輪因此提出候選概念 **Polynomial Exact Quotient Scheme（PEQS，多項式精確商方案）**。然而等號隊立即指出：若 PEQS 允許「把任意 P-time solver 的 machine state 當作 quotient state」，則它又會退化為 $L\in P$ 的同義反覆。因此，本輪沒有證成「P 等價於 PEQS」，而是把第七輪的 Algorithm-to-Algebra Bridge 改寫為一個更精確的新問題：

$$
\boxed{
\text{能否獨立於 solver 本身，定義一類足夠廣的 admissible exact quotient calculus，}
}
$$

$$
\boxed{
\text{使大量已知 P 問題都可在其中被壓縮，而一般 SAT 無法？}
}
$$

本輪的主要成果不是 P/NP 結論，而是找到一個比 classical polymorphism 更廣的候選共同機制，同時明確辨識其最大風險：**商結構若過寬，會再次形成閉包悖論與循環定義。**

---

# 一、上輪留下的難題

第七輪建立的核心問題是：

$$
A\in P
\stackrel{?}{\Longrightarrow}
\text{某種非平凡、可獨立定義的保存／聚合結構}.
$$

對 Boolean CSP 而言，Horn、dual-Horn、bijunctive、affine 等 tractable language 確實各有相應 polymorphism 或代數保存結構；finite-domain CSP dichotomy 也以 Taylor／WNU 類運算作為 tractability 的核心代數訊號。

但是一般 P 並不只由 CSP 組成。

因此等號隊提出壓力測試：

> 如果不等號隊真的相信「P-time 必然來自某種可保存結構」，那麼請解釋 matching、flow、determinant、shortest path 等多項式演算法背後究竟保存了什麼。

若這些案例無法納入，Algorithm-to-Algebra Bridge 就只是一個 CSP 局部現象。

---

# 二、壓力測試 A：一般圖 Maximum Matching

令 $G=(V,E)$，目標是在一般圖中找到最大匹配。

Berge’s lemma 給出基本判準：匹配 $M$ 為最大匹配，當且僅當不存在相對於 $M$ 的 augmenting path。

一般圖的困難在於 odd cycles 會破壞二分圖中簡單的 alternating-tree 搜索。

Edmonds 的 blossom algorithm 所做的關鍵操作不是枚舉 odd cycle 內的所有可能，而是：

$$
\text{blossom cycle}
\longrightarrow
\text{single contracted supervertex}.
$$

核心正確性性質是：適當的 blossom contraction 保存 augmenting path 的存在性，即原圖存在 augmenting path，當且僅當收縮圖存在對應 augmenting path；找到路徑後再 lift 回原圖。

可以暫寫成：

$$
G\xrightarrow{\operatorname{contract}(B)}G/B,
$$

且：

$$
\operatorname{Aug}(G,M)
\neq\varnothing
\iff
\operatorname{Aug}(G/B,M/B)\neq\varnothing.
$$

這不是 classical solution-set closure。

它是一種**語義保持的商化**：odd cycle 內部大量排列差異，在「未來是否仍可形成 augmenting path」這個問題上可被視為同一個宏觀狀態。

更有意思的是，matching 還存在完全不同的代數逃逸：Tutte matrix 可將 perfect matching 的存在性連結到一個 skew-symmetric symbolic matrix 的 determinant 是否為零多項式。也就是：

$$
\text{combinatorial matching existence}
\longrightarrow
\text{algebraic determinant identity}.
$$

因此 Matching 同時展示：

1. combinatorial quotient；
2. algebraic representation escape。

這對不等號隊很不友善：它說明「看起來很全域、很組合爆炸」的問題，確實可能藏有完全不同的低成本數學座標系。

---

# 三、壓力測試 B：Maximum Flow

最大流問題的狀態可以用 residual network 表達。

對目前流 $f$，residual graph：

$$
G_f
$$

保存的不是所有過去如何得到 $f$ 的歷史，而是**未來還能如何改進**的必要資訊。

若存在 residual augmenting path，流仍可提升；若不存在 augmenting path，max-flow/min-cut theorem 提供一個 cut，使：

$$
|f|=c(S,T),
$$

由弱對偶立即得到 $f$ 已為最大流。

這裡又出現兩種聚合：

### 3.1 歷史壓縮

不同 augmentation 歷史只要得到相同 residual capacities，對後續可改善性便可視為等價。

$$
H_1\sim H_2
\quad\text{if they induce the same relevant residual state.}
$$

### 3.2 primal-dual 壓縮

對「是否已達全域最優」而言，不需檢查全部可能流，只需找到一個 matching cut certificate：

$$
\text{feasible flow}
+
\text{equal-valued cut}
\Longrightarrow
\text{global optimum}.
$$

所以 flow 的 tractability 不只是 solution closure，而是：

$$
\boxed{
\text{可更新 residual quotient + 可短證明 global optimum 的 dual structure}
}
$$

---

# 四、壓力測試 C：Determinant 與 Exact Elimination

對 $n\times n$ 矩陣 $A$，行列式的 Leibniz 展開包含：

$$
 n!
$$

個 permutation terms。

但計算 determinant 並不需要逐項展開所有 permutation。

Gaussian elimination 將矩陣逐步轉換成 triangular form：

$$
A
\rightarrow
A^{(1)}
\rightarrow
\cdots
\rightarrow
U,
$$

同時透過 elementary operations 保存 determinant 與 transformed matrix 之間的可追蹤關係。

因此：

$$
\det(A)
$$

被從一個看似涉及 $n!$ 個組合項的全域量，壓縮為 polynomially many elimination steps。

但這裡有一個對本系列非常重要的提醒：若只計 arithmetic operations，而忽略 coefficient bit-length，可能會藏入數值爆炸。Bareiss 的 fraction-free elimination 類方法正是在控制 exact arithmetic 中的 intermediate growth。

因此 determinant 案例再次支持本系列的完整成本帳本：

$$
T_{\mathrm{arithmetic}}
+
L_{\mathrm{coefficient}}
+
P_{\mathrm{precision}}.
$$

真正的 P-time 壓縮必須把 bit complexity 也控制住。

---

# 五、壓力測試 D：Shortest Path 與 Semiring Aggregation

最短路徑表面上同樣具有指數多條候選 path。

但 Dijkstra、Bellman-Ford、Floyd-Warshall 及更抽象的 algebraic path frameworks 都不需要保存全部 path。

對一般 semiring $(K,\oplus,\otimes)$，可將：

- 沿 path 的組合寫為 $\otimes$；
- 不同 paths 之間的聚合寫為 $\oplus$。

在 classical shortest path 中：

$$
\otimes=+,
\qquad
\oplus=\min.
$$

因此一個節點可能對應指數多條到達路徑，但對未來最佳化而言，只需保留：

$$
 d(v)=\min_{P:s\leadsto v}w(P).
$$

也就是：

$$
\{
P_1,P_2,\ldots
\}
\longrightarrow
 d(v).
$$

這是一個極強的等價類壓縮：所有比目前最佳距離更差的路徑，在「未來最短路徑值」問題上可直接被支配掉。

Bellman 的 principle of optimality 則提供這種壓縮的遞迴正當性：最佳整體解可以由適當定義的最佳子問題值合成。

因此 shortest path 也沒有 classical polymorphism，但有：

$$
\boxed{
\text{associative composition + exact aggregation + dominance elimination}
}
$$

---

# 六、壓力測試 E：Bounded-Treewidth Dynamic Programming

對 bounded-treewidth graph problems，tree decomposition 提供一系列小 separator／bags。

當一個子圖與其餘圖只透過 bag $B$ 交互時，子圖內部的全部細節不必保留。

只需保存其對 boundary configuration 的作用：

$$
\operatorname{Summary}(G_{\mathrm{sub}},B).
$$

若：

$$
|B|\leq k
$$

且 $k$ 固定，則 boundary states 通常只依賴 $k$ 而非整個 $n$。

不同內部子圖若對所有未來 glue operation 具有相同 boundary behavior，即可被合併為同一摘要。

Courcelle 型 meta-theorem 更進一步顯示，在 bounded treewidth 上，廣大的 MSO-definable property 可透過有限狀態／tree automata／dynamic programming 處理。

這個案例幾乎直接重現第二輪的「殘餘可分辨性」，只是此時 separator 被問題結構自然提供，而不是由研究者任意固定。

---

# 七、五個 P 問題背後反覆出現什麼？

將以上案例放在一起：

| 問題 | 原始巨大空間 | 精確壓縮／商化 | 保存的核心語義 |
|---|---|---|---|
| Matching | alternating paths / odd-cycle interactions | blossom contraction | augmenting-path existence |
| Max Flow | 所有 flow 改善歷史 | residual network | future augmentability / optimality |
| Determinant | $n!$ permutation terms | elimination | exact determinant relation |
| Shortest Path | 指數多 paths | min-plus / semiring aggregation | optimal path value |
| Treewidth DP | 子圖大量 internal configurations | boundary table | future glue behavior |

表面上，它們使用的數學完全不同。

但是有一個共同模板：

$$
\boxed{
\text{大量微觀候選}
\rightarrow
\text{依「對未來答案的作用」建立等價類}
\rightarrow
\text{只保存代表／摘要}
}
$$

因此本輪提出新的候選共同機制：

$$
\boxed{
\text{Exact Quotientability}
}
$$

即「精確商化能力」。

---

# 八、候選定義：Polynomial Exact Quotient Scheme（PEQS）

這裡只給工作定義，不宣稱為標準複雜度概念。

對問題族 $\mathcal F$，一個 PEQS 暫由下列結構組成：

$$
\mathcal Q
=
(\mathcal D,\Sigma,\rho,\otimes,\operatorname{Lift},\operatorname{Dec}).
$$

其中：

- $\mathcal D$：允許的 decomposition／reduction 操作；
- $\Sigma$：summary state 空間；
- $\rho$：將局部狀態映射到摘要的 quotient map；
- $\otimes$：摘要的 composition／update operator；
- $\operatorname{Lift}$：若需構造 witness，從 quotient solution 回復原解；
- $\operatorname{Dec}$：從最終摘要讀取答案。

PEQS 若要稱為「多項式」，至少要求：

$$
L(\sigma)\leq\operatorname{poly}(n),
$$

$$
T_{\rho},T_{\otimes},T_{\mathrm{Lift}},T_{\mathrm{Dec}}
\leq\operatorname{poly}(n),
$$

且整個 quotient 深度：

$$
D_{\mathcal Q}(n)\leq\operatorname{poly}(n).
$$

最重要的是 exactness：

$$
\operatorname{Ans}(I)
=
\operatorname{Dec}
\left(
\operatorname{Aggregate}_{\mathcal Q}(I)
\right).
$$

若是 search problem，則 Lift 還須保證可回復合法 witness。

---

# 九、不等號隊的新猜想：Tractability = 可控精確商化？

不等號隊提出一個比第七輪 IAC 更具體、但仍只屬預演的版本：

## Polynomial Exact Quotient Conjecture（PEQC，候選猜想）

對「自然的」精確組合問題，如果存在 robust P-time algorithm，通常可以抽出某種：

$$
\text{polynomially bounded exact quotient structure}.
$$

其核心不是 classical polymorphism，而是：

$$
\boxed{
\text{將未來行為等價的巨大候選集合，持續商化為多項式摘要。}
}
$$

這可以同時容納：

- polymorphism closure；
- blossom contraction；
- residual graph；
- Gaussian elimination；
- semiring DP；
- separator DP。

不等號隊因此重新描述自己的終極夢想：

> 若 SAT 的某個 hard family 不存在任何 admissible polynomial exact quotient scheme，則可能逼近 $P\neq NP$。

但這句話目前遠非證明。

---

# 十、等號隊反殺：PEQS 又快變成同義反覆

等號隊立刻提出第六輪閉包悖論的 PEQS 版本。

假設 $L\in P$，存在 solver $A$：

$$
A(x)\in\{0,1\}
$$

於多項式時間內完成。

那麼可以定義：

$$
\sigma_t
=
\text{A 在第 }t\text{ 步的 machine state}.
$$

每一步：

$$
\sigma_t\rightarrow\sigma_{t+1}
$$

都是多項式可描述的 exact update；最後：

$$
\operatorname{Dec}(\sigma_T)=A(x).
$$

因此若 PEQS 允許「任意 solver state」，則：

$$
L\in P
\Longrightarrow
L\text{ 有 PEQS}
$$

只是把「有 P-time algorithm」改名成「有 polynomial quotient process」。

如果再反向定義 PEQS 必須可 P-time 執行，那麼：

$$
L\text{ 有 PEQS}
\Longrightarrow
L\in P.
$$

得到：

$$
\boxed{
L\in P
\iff
L\text{ 有 unrestricted PEQS}.
}
$$

這完全沒有新內容。

**等號隊得分。**

---

# 十一、因此必須加入「非循環 admissibility」

若 PEQS 要成為真正的 Algorithm-to-Structure bridge，它必須受到獨立限制。

本輪提出六項 admissibility 候選條件。

## 11.1 Solver-independent

商規則必須能在不先執行完整 solver 的情況下，由問題結構本身定義。

例如 blossom contraction 的定義來自 alternating-tree／odd-cycle 結構，而不是「先算出 maximum matching，再把答案寫進 summary」。

## 11.2 Local or compositional

商操作應作用於可辨識的子結構／介面，並能由局部摘要合成全域摘要。

## 11.3 Answer-blind

quotient map 不可直接詢問原問題答案：

$$
\rho(I)\neq\operatorname{Ans}(I)
$$

作為隱藏 oracle。

## 11.4 Exact semantic preservation

商化必須證明保存某個比「演算法最後輸出」更獨立的數學關係，例如：

- augmenting path existence；
- row-space equivalence；
- residual feasibility；
- boundary extension behavior；
- semiring path value。

## 11.5 Polynomially checkable law

保存律或 composition law 應能被獨立形式化／驗證，而不是依賴「因為 solver 正確，所以一定保存」。

## 11.6 Resource-complete

必須計入：

$$
(T_{\mathrm{construct}},L_{\mathrm{summary}},M,P,T_{\mathrm{compose}},T_{\mathrm{lift}}).
$$

禁止把指數成本藏進 precision、preprocessing 或 nonuniform advice。

---

# 十二、等號隊再出重拳：Matching 本身就是「未知 SAT blossom」的警告

等號隊提出本輪最強直覺攻擊：

在 Edmonds 以前，一般 graph matching 中的 odd cycle 確實會使 naive augmenting-path reasoning 變得棘手。

真正的突破不是更暴力地搜索 odd cycle，而是發現：

$$
\boxed{
\text{整個 blossom 可以收縮。}
}
$$

同樣地，Tutte matrix 又顯示 matching 可以從 combinatorial graph representation 跳到 determinant representation。

所以即使我們今天看到 SAT：

- resolution 爆炸；
- OBDD 爆炸；
- treewidth 很大；
- LP extension 很大；
- local consistency 失敗；

等號隊仍可說：

> 你們只是還沒有找到 SAT 的 blossom、SAT 的 Tutte matrix、SAT 的 Gaussian elimination。

這不是證明 $P=NP$，但它是一個有效的防守：

$$
\text{所有已知 representation-specific lower bounds}
\not\Rightarrow
\text{不存在未知 exact quotient structure}.
$$

---

# 十三、不等號隊的回應：那就研究「商律本身」而不是商結果

不等號隊接受此攻擊，並修改目標。

與其嘗試列舉所有表示，不如研究一個 tractable quotient 通常需要滿足哪些**商律**：

### 13.1 可合成性

$$
\rho(A\cup B)
=
F(\rho(A),\rho(B),\operatorname{interface}(A,B)).
$$

### 13.2 可消去性

某個局部自由度被消除後，對未來答案的全部作用仍被摘要保存。

### 13.3 可提升性

若 quotient space 得到 solution／certificate，可多項式時間 lift 回原問題。

### 13.4 進度性

每次 quotient 應降低某個獨立結構量：

$$
\mu(I_{t+1})<\mu(I_t)
$$

或至少使未處理問題規模在多項式步內終止。

### 13.5 有界介面

被消去部分對剩餘系統的影響，能透過多項式描述的 interface 傳遞。

這裡開始浮現新的可能方向：

$$
\boxed{
\text{P 的共同特徵也許不是固定 closure，而是存在一套可反覆進行的 exact quotient calculus。}
}
$$

然而「所有 P 都如此」仍未證明。

---

# 十四、重新理解第三輪 CRC

第三輪曾提出：

$$
\operatorname{CRC}
=
\text{Causal Reconstruction Complexity}.
$$

當時問題是：資訊沒有消失，但轉換為精確答案所需的因果重建可能很困難。

PEQS 現在提供一個新的對偶觀點：

- **低 CRC：** 可以持續建立精確 quotient，使未來重建只需處理小摘要；
- **高 CRC：** 任意 admissible quotient 都留下龐大介面、長重建鏈或表示爆炸。

因此可以暫時寫：

$$
\operatorname{CRC}(I)
\approx
\min_{\mathcal Q\in\mathrm{Admissible}}
\operatorname{Cost}(\mathcal Q,I),
$$

但必須立刻警告：

若 $\mathrm{Admissible}$ 太寬，這又退化為最佳演算法時間。

所以真正研究核心變成：

$$
\boxed{
\text{Admissible quotient calculus 要如何被獨立定義？}
}
$$

---

# 十五、本輪表示／演算法壓力測試矩陣

| 問題 | classical solution closure 明顯？ | 精確商／聚合存在？ | 主要保存律 | 逃逸形式 |
|---|---:|---:|---|---|
| Horn-SAT | 是 | 是 | meet closure | lattice / implication |
| 2-SAT | 是／可代數化 | 是 | majority-like / implication graph | SCC |
| XOR-SAT | affine closure | 是 | linear span | Gaussian elimination |
| Matching | 否 | 是 | augmenting-path preservation | blossom / Tutte matrix |
| Max Flow | 否 | 是 | residual feasibility + min-cut duality | residual quotient |
| Determinant | 否 | 是 | elimination identity | triangularization |
| Shortest Path | 否 | 是 | semiring aggregation / optimal substructure | min-plus DP |
| bounded-treewidth DP | 不一定 | 是 | boundary extension equivalence | separator summary |
| General SAT | 未知 | 大量局部 scheme，但無已知一般 PEQS | 未知 | 核心戰場 |

---

# 十六、已排除的新錯誤路線

本輪新增以下禁區：

1. **所有 P-time algorithm 都有 machine state，所以已證明 exact quotient 是 P 的結構本質。**
   - 錯；這是循環重述。

2. **Matching 有 blossom，所以 SAT 一定有 blossom。**
   - 錯；只能說未知表示逃逸不能先驗排除。

3. **某個算法有局部 contraction，所以一般 tractability 都來自 local contraction。**
   - 錯；determinant 等算法的 aggregation 並不完全是 graph-local。

4. **所有候選都能商化，所以 $P=NP$。**
   - 錯；需要 uniform、exact、resource-bounded scheme。

5. **SAT 目前沒找到 PEQS，所以 $P\neq NP$。**
   - 錯；認識論缺失不等於本體論不存在。

6. **PEQS 定義中直接對所有 polynomial algorithm 取最小值。**
   - 錯；會重演第六輪閉包悖論。

---

# 十七、本輪雙方正式攻防

## 17.1 等號隊

最強論點：

> P 中已知大量問題之所以從看似巨大候選空間變得容易，往往不是候選變少，而是找到新的 quotient／algebraic representation。Matching 的 blossom 與 Tutte matrix 是最具警告性的例子。因此任何 $P\neq NP$ 路線若只封鎖已知表示，都仍留著「未知 SAT quotient」逃生門。

## 17.2 不等號隊

最強論點：

> 這些成功 P 演算法並非魔法；每次壓縮都有可獨立陳述的保存律、composition law、bounded interface 或 dual certificate。真正可能的下界不是證明「沒有任何想像得到的表示」，而是證明 SAT hard family 無法具有某一大類 solver-independent exact quotient law。

---

# 十八、本輪裁定

本輪沒有證明：

$$
P=NP
$$

也沒有證明：

$$
P\neq NP.
$$

但 Algorithm-to-Algebra Bridge 被成功擴張：

$$
\text{classical polymorphism}
\quad\Longrightarrow\quad
\text{更一般的 exact quotient / aggregation structure}.
$$

新的核心候選不是某個固定 algebra，而是：

$$
\boxed{
\text{能否以多項式資源，把對未來答案等價的巨大狀態空間反覆商化？}
}
$$

本輪比分：

$$
P=NP:7
\qquad
P\neq NP:7.
$$

- 等號隊得分：Matching／Tutte matrix 等案例證明「未知表示革命」是真正存在過的現象；
- 不等號隊得分：不同 P 演算法之間確實抽出了比 polymorphism 更廣的共同精確壓縮模式。

比分只是遊戲介面，不是數學結論。

---

# 十九、第九輪入口：尋找 SAT 的 Blossom

下一輪不再只抽象討論 PEQS，而直接反過來替等號隊工作：

$$
\boxed{
\text{如果 }P=NP\text{，SAT 的 blossom 可能長什麼樣？}
}
$$

我們將刻意嘗試構造 SAT 的候選 exact quotient operators，例如：

- variable elimination；
- clause／component contraction；
- implication quotient；
- symmetry quotient；
- XOR／affine extraction；
- bounded-interface decomposition；
- backdoor condensation；
- learned-clause state compression；
- algebraic projection。

然後由不等號隊逐一攻擊：

$$
\text{summary size}
,
\text{fill-in}
,
\text{width}
,
\text{precision}
,
\text{lift cost}
,
\text{uniformity}.
$$

因此第九輪正式題目：

## **「尋找 SAT 的 Blossom：候選精確商算子錦標賽」**

這將是目前最接近原始影片啟發的一輪：

$$
\text{能否把 SAT 的大量條件判斷，像剪刀石頭布或 blossom 一樣，直接折疊成新的數學狀態？}
$$

---

# 二十、外部理論參照

1. J. Edmonds, **“Paths, Trees, and Flowers,”** *Canadian Journal of Mathematics*, 17 (1965), 449–467.  
   DOI: https://doi.org/10.4153/CJM-1965-045-4
2. M. Abdulaziz and K. Mehlhorn, **“A Formal Correctness Proof of Edmonds’ Blossom Shrinking Algorithm,”** 2026.  
   核心參照：blossom contraction 保存 augmenting path existence。
3. Ford–Fulkerson / Max-Flow Min-Cut theorem.  
   核心參照：residual network、augmenting path 與 cut certificate。
4. E. H. Bareiss, **“Sylvester’s Identity and Multistep Integer-Preserving Gaussian Elimination,”** *Mathematics of Computation*, 22 (1968), 565–578.  
   核心參照：exact elimination 與 coefficient-growth control。
5. M. Mohri, **“Semiring Frameworks and Algorithms for Shortest-Distance Problems,”** *Journal of Automata, Languages and Combinatorics*, 2002.  
   核心參照：以 semiring 統一 path composition／aggregation。
6. R. Bellman, **“The Theory of Dynamic Programming,”** RAND, 1954.  
   核心參照：principle of optimality 與 value-state compression。
7. B. Courcelle, tree-decomposition / MSO 系列工作。  
   核心參照：bounded interface 與 finite-state dynamic programming。
8. Tutte matrix / determinant-based matching literature.  
   核心參照：perfect matching existence 與 determinant non-zeroness 之代數橋。

---

## 本輪一句話

$$
\boxed{
\text{P 問題不一定有同一種 closure，但它們常有某種「把未來等價狀態精確商掉」的數學辦法。}
}
$$

真正的遊戲現在變成：

$$
\boxed{
\text{SAT 到底沒有這種商法，還是我們只是還沒找到？}
}
$$