论复杂性与随机性的关系论文.docVIP

　　论复杂性与随机性的关系论文 【内容提要】本文通过对历史上复杂性与随机性关系的认识回顾，展示和分析了起源于计算机科学领域的Kolmogorov复杂性与随机性的直接关联，分析了盖尔曼的有效复杂性概念，论证了两种复杂性与随机性的关系，以及随机性的不同情况，力图剥离混合在复杂性与随机性相互关系上的一些误读和误解，还复杂性与随机性一种客观的本真关系。 【关键词】复杂性/计算复杂性/算法复杂性/随机性/有效复杂性Ⅰ/有效复杂性Ⅱ 【正文】 最近，我们在研究复杂性问题的过程中.freelinistic Polynomial的缩写）问题，即复杂性问题之一。如推销商的路线选择问题（Travelling Selesman Problem，简称TSP）就属于问题中的“完全NP”一类问题。此类问题的特点是，随着问题涉及面增加，其计算量将指数性或失控式地增长。 对计算复杂性的常见度量是时间和空间。一般地说，所谓时间就是一个计算中离散步骤的数目；空间就是指计算指令读取独特的存储地址的数目。1如前所述，时间上的计算复杂性即一个计算机描述一个系统（或解一个问题）所需要的时间；空间上的计算复杂性即描述一个系统所需要的计算机存储量。 算法复杂性(algorithmic plexity)，主要是由A.N.Kolmogorov,2G.J.Chaitin3和R.J.Solomonoff4在20世纪60年代中期分别独立提出的概念，又称为Kolmogorov复杂性。基本思想和定义如下： 对每一个D域中的对象x，我们称最小程序p的长度丨p丨就是运用指定方法S产生的关于对象x的复杂性。对计算机S而言，设给定的符号串为x，将产生x的程序记为p。对一个计算机来说，x是输入，p是输出。粗略的说，关于一个符号串x的Kolmogorov复杂性，就是产生x的最短程序p的长度。上述定义可写为：5 K,s(x)=min｛丨P丨:S(p)=n(x)｝ K,s(x)=∞ 如果不存在p. 其中K,s(x)即Kolmogorov复杂性。后一个公式的含义是明显的，即如果传送的符号串完全杂乱无章，找不到任何规律（即程序p），那么，复杂性就等于符号串本身，而符合串是无规无穷数，复杂性即无穷。因此在算法复杂性中，实际上是越随机性(random)的东西，越不可认识，其结果是它越复杂。换句话说，复杂的随机性对象有最大的复杂性，因为不可能压缩对其对象的描述。6 （二）Kolmogorov复杂性的影响和有效复杂性的提出 Kolmogorov复杂性定义实际上支配了后来计算机科学上对复杂性的几乎所有的研究，以后又波及到几乎所有科学领域。例如，F.Cramer就是按照这种思路把复杂性程度分为三个等级：亚复杂性、临界复杂性和根本复杂性。所谓亚临界复杂性是指系统表面复杂但其实很简单，或许是算术性的。简单的物理定律，如牛顿定律可以用于得到的决定性系统；所谓临界复杂性是指在复杂性的特定阶段——在它的临界值上——开始出现某些结构。最简单的情况是对流和对流图案形式。这个复杂度称为临界复杂性。这些系统构成一些亚系统，例如进化系统或不可逆热力学系统；所谓根本复杂性是指“只要系统有着不确定性解或混沌解它就是根本复杂的”，7“一旦程序的大小变得与试图描述的系统可以相提并论，不能再对系统进行编程。当结构不可辨识时——即当描述它的最小算法具有的信息比特数可与系统本身进行比较时——我称之为根本复杂性。根本复杂性的这个定义是以A.N.Kolomogorov(1965)的方程为基础的。”(7,p.211) 按照F.Cramer的认识，根本复杂性相当于无法认识。根本复杂性即那些表现得完全随机性（random或stochastic）、描述结果与被描述对象可以相提并论，完全无法获得规律性认识，简单地说，无法辨识即根本复杂性。 所以，根本复杂性＝完全随机性。 F.Cramer还按照复杂性程序的不同，比较了数学、一般科学理论、物理学、生物学、进化过程、科学之外系统（包括科学作为一个整体系统、哲学、美学、语言、宗教和历史）等6类知识体系的描述复杂性情况，按照他的分类，我们看到几乎每一个认识体系都有自己的三类复杂性（第一类实际上是简单性）情况。 当然，这种通过图灵机方式，用算法耗用资源的方法表示计算复杂性程序，给研究的难度做了一个很好的客观的划界。但是，如果一个对象根本无法简约对对象的描述，其描述长度与构成对象的组分“程序”完全一样，甚至完全不存在一个最短描述程序P，算法复杂性给出的复杂性定义与我们在物理学等科学上对随机性的复杂性认识就有所背离。 例如，完全随机性的全同粒子组成的气体系统，它的内部状态是无法给出程序描述的随机状态，但是它的结果却是非常简单的、确定的，不具有复杂性特征。 因此，反对复杂性等于随机性的观点也是应该考虑的。其典型的代表是盖尔曼，他提