算法复杂性是计算复杂性理论和算法信息理论的基本思想,在形式归纳中起着重要作用能产生字符串的最短和最有效的程序。虽然有无限多的程序可以产生任何给定的字符串,但一个程序或一组程序总是最短的。没有算法可以找到输...
算法复杂性是计算复杂性理论和算法信息理论的基本思想,在形式归纳中起着重要作用能产生字符串的最短和最有效的程序。虽然有无限多的程序可以产生任何给定的字符串,但一个程序或一组程序总是最短的。没有算法可以找到输出给定字符串的最短算法;这是计算复杂性理论的第一个结果之一。即使如此,我们也可以做出一个有根据的猜测。这个结果(字符串的计算复杂性)对于证明可计算性非常重要。因为任何物理对象或属性在原则上都可以用一串比特描述为接近耗尽,对象和属性可以说也有算法的复杂性。事实上,将现实世界中的对象的复杂性降低到生成对象作为输出的程序,是看待科学事业的一种方式。我们周围的复杂对象往往来自三个主要的生成过程:涌现,进化论和智能论,每一种方法产生的对象趋向于更高的算法复杂度。计算复杂性是理论计算机科学中常用的一个概念,用于确定计算各种数学和逻辑问题的解决方案的相对难度。超过400个复杂性类存在,并且不断地发现额外的类。著名的P=NP问题涉及到其中两个复杂类的性质复杂度课程包括的问题远比任何一个人在数学到微积分中可能遇到的问题都要困难得多。在计算复杂性理论中,有许多可以想象到的问题需要几乎无限的时间来解决。算法复杂性和相关概念在20世纪60年代由几十个研究者Andrey Kolmogorov、Ray Solomonoff和Gregory Chaitin在60年代后期利用算法信息理论做出了重要贡献,最小消息长度原则与算法复杂性密切相关,为统计归纳推理和机器学习提供了大量的基础。
-
发表于 2020-09-18 03:20
- 阅读 ( 931 )
- 分类:科学教育