應對 NP 完全（coping with NP-completeness)
證明你的問題是 NP 完全，感覺像撞上一堵牆，但這不是路的盡頭，而是該換策略的訊號。NP 完全只說：很可能沒有「又快、又精確、又通用」的演算法。實務上你幾乎從不需要這三者同時兼備。「應對 NP 完全」這個領域，就是你改而採用的那一整箱工具，而真實軟體每天都在解 NP 困難問題。
有好幾條已驗證的脫身路線，訣竅在於知道該用哪條。第一，「近似演算法」快速給出可證明接近最優的答案，例如度量版 TSP 中不超過最優 1.5 倍的路線，或不超過 2 倍的頂點覆蓋。第二，「啟發式」與工業級「求解器」（SAT 求解器、整數規劃求解器）沒有最壞情況保證，卻能例行地輾壓龐大的真實實例，因為真實輸入很少長得像人為構造的最壞情況。第三，「參數化」或固定參數可解演算法，在某個參數（如頂點覆蓋大小 k）很小時跑得快，把指數爆炸孤立到那個參數身上。第四，許多問題有「可解的特例」：2-SAT、二部圖的著色、限制在樹或平面輸入上的問題。第五，「平均情況」分析與隨機化能讓典型實例變容易，即使最壞情況很難。
誠實的框定是：NP 完全使工程問題更鋒利，而非終結它。它告訴你放棄為一般情形追求多項式時間的精確演算法（因為找到一個就解決了 P 對 NP），改而刻意選擇：放寬精確性、放寬通用性、利用結構、或接受一個機率性保證。所以知道一個問題是 NP 完全，確實是有用的資訊：它讓你不再把力氣浪費在不可能上，並指向那箱真正管用的工具。
面對 NP 困難的路線規劃，一家配送公司不會放棄。它跑一個快速啟發式（最近鄰再加局部改進）得到夠好的路線，或把實例餵給整數規劃求解器，為數千個站點找出可證明最優的路線，因為真實道路網遠比理論警告的最壞情況溫馴得多。
NP 完全是換工具的訊號：近似、用求解器／啟發式、利用小參數或特例，而非死路。
近似與固定參數可解並非免費午餐：許多問題甚至「難以近似」（經 PCP 定理證明），而固定參數可解只在所選參數確實很小時才幫得上忙。