सहज दृष्टिकोण के रूप में, विचार करें कि एनपी-पूर्ण समस्याओं का तात्कालिकता हमेशा सामान्य मामले की तरह कठिन नहीं होता है। बाइनरी सैटिस्फिबिलिटी (सैट) एनपी-पूर्ण है, लेकिन ए वी बी वी सी वी डी डी वी के समाधान को खोजने के लिए यह तुच्छ है ... जटिलता एल्गोरिदम केवल सबसे खराब मामले को बाध्य करता है, न कि औसत मामले को, या 90% मामले को भी। ।
कुछ सरल करने के लिए एनपी-पूर्ण समस्या को कम करने का सबसे आसान तरीका केवल कठिन भागों को बाहर करना है। यह धोखा है, हाँ। लेकिन अक्सर शेष भाग वास्तविक दुनिया की समस्याओं को हल करने के लिए उपयोगी होते हैं। कुछ मामलों में, "आसान" और "कठिन" के बीच की रेखा खींचना आसान है। जैसा कि आपने टीएसपी के लिए बताया है, कठिनाई में एक मजबूत कमी है क्योंकि आप समस्या को "सामान्य" दिशाओं के चारों ओर कसते हैं, जो अन्य समस्याओं के लिए सोच सकता है। , यह आसान और कठिन भागों को अलग करने के लिए वास्तविक जीवन उपयोगी तरीके खोजने के लिए कठिन है।
सीएस और गणित के दायरे को पूरी तरह से छोड़ने के लिए, एक पुरानी कार पर विचार करें। आपका दोस्त इसे चलाना चाहता है। यदि आपको उसे बताना है, "हे, कार एकदम सही काम करती है। बस इसे 95mph से ऊपर मत ले जाना। वहाँ एक बुरा डगमगाता है जो आपको सड़क पर गिरा देगा," यह शायद कोई बड़ी बात नहीं है। आपका दोस्त शायद इसे शहर के आसपास ही लेना चाहता था। हालांकि, अगर आपको उसे बताना है, "आपको 1 से 2 तक जाने के लिए बस क्लच को ठीक करना है, या इंजन स्टाल होगा," तो आपके दोस्त के लिए कुछ मामूली प्रशिक्षण के बिना शहर के आसपास कार का उपयोग करना कठिन हो सकता है।
इसी तरह, अगर एक एनपी-पूर्ण समस्या केवल विदेशी मामलों में मुश्किल हो जाती है, तो जब आप उप-डोमेन देखते हैं तो यह जटिलता को कम करता है। हालांकि, अगर यह आमतौर पर मामलों को सुलझाने में मुश्किल हो जाता है, तो बहुत सारे उपयोगी उप डोमेन नहीं होते हैं जो कठिन भाग से बचते हैं।