【计算理论】图灵机 ( 图灵机引入 | 公理化 | 希尔伯特纲领 | 哥德尔不完备定理 | 原始递归函数 )

简介: 【计算理论】图灵机 ( 图灵机引入 | 公理化 | 希尔伯特纲领 | 哥德尔不完备定理 | 原始递归函数 )

文章目录

一、图灵机引入

二、公理化

三、希尔伯特纲领

四、哥德尔不完备定理

五、哥德尔 原始递归函数





一、图灵机引入


计算理论分为 形式语言与自动机 , 可计算部分 , 计算复杂性部分 ;


之前博客中介绍的 自动机 , 确定性有限自动机 , 非确定性有限自动机 , 正则语言 , 泵引理 , 上下文无关语法 , 下推自动机 , 都属于 形式语言 与 自动机 部分 ;


现在开始讲解 可计算部分 , 即 图灵机 ;



图灵机内容分为 : 图灵机 , 图灵机变形 , 丘奇-图灵论题 ;






二、公理化


希尔伯特纲领历史 , 希尔伯特所处的年代 , 最重要的学科是物理学 , 物理学中数学占很重要的一部分 ;


因此需要对数学进行公理化 , 数学中最重要的是实数 , 实数是由自然数扩张的 , 将自然数进行 公理化 ;



公理化 就是 给出几条公理 , 所有的定理 , 公式 , 推论 , 都是由几个公理推演出来的 , 参考几何学 ;


由公理推导出定理 , 由定理推导出推论 , 这套系统成为公理化系统 ;


公理化系统 是人类文明中的重要角色 ;






三、希尔伯特纲领


希尔伯特纲领 : 包含四部分内容 , 公理化 , 完备性 , 相容性 , 可判定性 ;



1 . 公理化 : 将整个数据进行公理化 , 在数学中的正确命题中 , 挑选出 有限多条命题作为公理 , 所有的命题都可以由这些公理推导出来 ;



2 . 完备性 :


计算机科学中有两大领域 , 语法 , 语义 ;


语法是符号运算 ;


语义是语法对应的现实含义 ;


命题逻辑的语法就是命题公式之间的运算 , 参考 【数理逻辑】命题和联结词 ( 命题 | 命题符号化 | 真值联结词 | 否 | 合取 | 析取 | 非真值联结词 | 蕴涵 | 等价 ) ;


完备性就是指所有的语法运算能够完全反应真实世界的真实运算 ;



3 . 相容性 ( 不矛盾性 ) :


在一个系统中 , 不能推导出一个命题 , 同时还能推导出该命题的否命题 ;



4 . 可判定性 :


存在一个算法 , 可以帮助我们判定任何一个命题是真命题还是假命题 ;






四、哥德尔不完备定理


哥德尔 否证明了上述 希尔伯特纲领 不可能实现 , 提出了 哥德尔不完备定理 , 否定上述命题需要对算法提出严格的数学定义 ;


整个数学不可能有一个完美牢固的基础 ;


哥德尔不完备定理 指出 推理的方法有很大的局限性 , 不是万能的 ;



中学算法很多都可以通过 推理 证明 计算 实现 ;






五、哥德尔 原始递归函数


原始递归函数 是由哥德尔提出的 , 该函数 定义在自然数集上 , 如下 :


{ h ( 0 , y ) = f ( y ) h ( x + 1 , y ) = g ( x , h ( x , y ) , y ) \rm

⎧⎩⎨h(0,y)=f(y)h(x+1,y)=g(x,h(x,y),y)

{h(0,y)=f(y)h(x+1,y)=g(x,h(x,y),y)


 

h(0,y)=f(y)

h(x+1,y)=g(x,h(x,y),y)



f , g \rm f , gf,g 这两个函数是已知的 , 根据这两个已知函数 , 定义一个新的函数 h \rm hh ,


h \rm hh 是二元函数 , 有两个分量 , 都是自然数 , 当第一个分量是 0 00 时 , h ( 0 , y ) \rm h (0, y)h(0,y) 通过 f ( y ) \rm f(y)f(y) 定义出来 ;


假设 g \rm gg 也是已知的 , 当 h \rm hh 的第一个分量不为 0 00 , 定义该分量值 , 使用递归方法定义 , 根据 h \rm hh 在 x , y \rm x , yx,y 上的值 , 定义 h \rm hh 的第一个分量是 x + 1 \rm x + 1x+1 时的值 ,



类似于数学归纳法思想 ;


目录
相关文章
|
算法
【计算理论】图灵机 ( 图灵机设计 )
【计算理论】图灵机 ( 图灵机设计 )
661 0
【计算理论】图灵机 ( 图灵机设计 )
|
算法
【计算理论】图灵机 ( 非确定性图灵机 -> 确定性图灵机 | 模仿过程示例 | 算法的数学模型 )
【计算理论】图灵机 ( 非确定性图灵机 -> 确定性图灵机 | 模仿过程示例 | 算法的数学模型 )
349 0
【计算理论】图灵机 ( 非确定性图灵机 -> 确定性图灵机 | 模仿过程示例 | 算法的数学模型 )
|
资源调度 算法
【计算理论】图灵机 ( 图灵机示例 )
【计算理论】图灵机 ( 图灵机示例 )
366 0
【计算理论】图灵机 ( 图灵机示例 )
|
Windows
【计算理论】计算复杂性 ( 证明 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的指数关系 )
【计算理论】计算复杂性 ( 证明 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的指数关系 )
222 0
【计算理论】计算复杂性 ( 证明 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的指数关系 )
|
机器学习/深度学习
【计算理论】计算复杂性 ( 非确定性图灵机的时间复杂度 | 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的关系 )
【计算理论】计算复杂性 ( 非确定性图灵机的时间复杂度 | 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的关系 )
195 0
【计算理论】计算复杂性 ( 非确定性图灵机的时间复杂度 | 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的关系 )
【计算理论】图灵机 ( 非确定性图灵机 与 计算树 | 非确定性 | 非确定性图灵机 与 确定性图灵机 相互模仿 | 非确定性图灵机 -> 确定性图灵机 )(二)
【计算理论】图灵机 ( 非确定性图灵机 与 计算树 | 非确定性 | 非确定性图灵机 与 确定性图灵机 相互模仿 | 非确定性图灵机 -> 确定性图灵机 )(二)
212 0
【计算理论】图灵机 ( 非确定性图灵机 与 计算树 | 非确定性 | 非确定性图灵机 与 确定性图灵机 相互模仿 | 非确定性图灵机 -> 确定性图灵机 )(二)
|
算法
【计算理论】图灵机 ( 非确定性图灵机 与 计算树 | 非确定性 | 非确定性图灵机 与 确定性图灵机 相互模仿 | 非确定性图灵机 -> 确定性图灵机 )(一)
【计算理论】图灵机 ( 非确定性图灵机 与 计算树 | 非确定性 | 非确定性图灵机 与 确定性图灵机 相互模仿 | 非确定性图灵机 -> 确定性图灵机 )(一)
243 0
【计算理论】图灵机 ( 非确定性图灵机 与 计算树 | 非确定性 | 非确定性图灵机 与 确定性图灵机 相互模仿 | 非确定性图灵机 -> 确定性图灵机 )(一)
|
资源调度 Python
【计算理论】图灵机 ( 图灵机图示 | 图灵机形式定义 )
【计算理论】图灵机 ( 图灵机图示 | 图灵机形式定义 )
379 0
【计算理论】图灵机 ( 图灵机图示 | 图灵机形式定义 )
【计算理论】图灵机 ( 多个带子的图灵机 | 计算能力对比 | 证明过程 | 一个带子图灵机 )
【计算理论】图灵机 ( 多个带子的图灵机 | 计算能力对比 | 证明过程 | 一个带子图灵机 )
347 0
【计算理论】图灵机 ( 多个带子的图灵机 | 计算能力对比 | 证明过程 | 一个带子图灵机 )
|
机器学习/深度学习 算法
【计算理论】计算复杂性 ( 两个带子的图灵机的时间复杂度 )
【计算理论】计算复杂性 ( 两个带子的图灵机的时间复杂度 )
179 0
【计算理论】计算复杂性 ( 两个带子的图灵机的时间复杂度 )