{
  "id": "chudnovsky-algorithm",
  "title": "丘德诺夫斯基算法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "丘德诺夫斯基算法利用快速收敛的无穷级数高精度计算圆周率，每项约增加14位十进制精度。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "丘德诺夫斯基公式",
    "丘德诺夫斯基级数"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/chudnovsky-algorithm/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/chudnovsky-algorithm/",
      "json": "https://aiwiki.page/en/chudnovsky-algorithm.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "丘德诺夫斯基算法是一种高精度计算圆周率的方法，所用的快速收敛无穷级数由戴维·丘德诺夫斯基和格雷戈里·丘德诺夫斯基兄弟于1988年发现。每增加一项，计算精度就提高约14.18位十进制数字。结合二分拆分法和快速大整数运算，它成为超大规模圆周率计算的主要方法之一。这一名称既可以指其所依据的级数恒等式，也可以指基于该恒等式的高效计算过程。"
    },
    {
      "heading": "级数",
      "text": "丘德诺夫斯基恒等式的一种标准形式为\n\n\\[\\frac{1}{\\pi} = 12\\sum_{k=0}^{\\infty} \\frac{(-1)^k(6k)!\\,(13591409+545140134k)} {(3k)!\\,(k!)^3\\,640320^{3k+3/2}}.\\]\n\n这里，\\(k!\\) 表示非负整数 \\(k\\) 的阶乘。一种更便于实现的等价形式为\n\n\\[\\pi = \\frac{426880\\sqrt{10005}}{S},\\]\n\n其中\n\n\\[S= \\sum_{k=0}^{\\infty} \\frac{(-1)^k(6k)!\\,(13591409+545140134k)} {(3k)!\\,(k!)^3\\,640320^{3k}}.\\]\n\n两种形式的等价性由下式可得：\n\n\\[\\frac{640320^{3/2}}{12} = 426880\\sqrt{10005}.\\]\n\n\\(S\\) 的各项都是有理数。因此，可以用整数运算精确计算有限部分和；只有在求平方根和进行最后的除法时才需要近似计算。\n\n只保留 \\(k=0\\) 的项，便得到\n\n\\[\\pi\\approx \\frac{426880\\sqrt{10005}}{13591409},\\]\n\n这一结果就已经与圆周率相符到小数点后约14位。"
    },
    {
      "heading": "收敛性与误差",
      "text": "记\n\n\\[A=13591409,\\qquad B=545140134,\\qquad C=640320,\\]\n\n并令\n\n\\[t_k= \\frac{(-1)^k(6k)!\\,(A+Bk)} {(3k)!\\,(k!)^3C^{3k}}.\\]\n\n相邻两项的比值为\n\n\\[\\frac{t_{k+1}}{t_k} = -\\frac{24(6k+1)(2k+1)(6k+5)} {C^3(k+1)^3} \\frac{A+B(k+1)}{A+Bk}.\\]\n\n当 \\(k\\) 趋于无穷大时，\n\n\\[\\frac{t_{k+1}}{t_k} \\longrightarrow -\\frac{1728}{640320^3} = -\\frac{1}{53360^3}.\\]\n\n因此，除去一个缓慢变化的因子，各项的衰减规律类似于公比绝对值极小的等比级数。每项带来的十进制精度增益渐近为\n\n\\[\\log_{10}(53360^3) = 3\\log_{10}(53360) \\approx 14.1816474627.\\]\n\n所以，若目标精度为 \\(d\\) 位十进制数字，所需项数的初步估计为\n\n\\[N\\approx\\frac{d}{14.1816474627}.\\]\n\n实际实现时，会增加项数或设置保护位，然后核验误差界，而不是将这一估计本身视为精度的证明。\n\n各项正负交替，且绝对值递减。对于\n\n\\[S_N=\\sum_{k=0}^{N-1}t_k,\\]\n\n交错级数的余项满足\n\n\\[|S-S_N|\\leq |t_N|.\\]\n\n这给出了级数误差的界。要确认圆周率的哪些数位准确，还必须将该误差界传播到取倒数后的结果，并计入平方根计算及最后算术运算的误差。"
    },
    {
      "heading": "数学渊源",
      "text": "丘德诺夫斯基级数属于计算 \\(1/\\pi\\) 的拉马努金型公式族。这类公式将快速收敛级数与椭圆曲线、模函数以及与复乘有关的特殊值联系起来。\n\n数值 \\(640320\\) 并不是任意选取的。它与下列特殊值有关：\n\n\\[j\\!\\left(\\frac{1+\\sqrt{-163}}{2}\\right) = -640320^3,\\]\n\n其中 \\(j\\) 是模不变量。与判别式 \\(-163\\) 相关的特殊算术性质，使该级数具有异乎寻常的快速收敛性。\n\n阶乘表达式还具有超几何函数结构。例如，\n\n\\[F(z)= \\sum_{k=0}^{\\infty} \\frac{(6k)!}{(3k)!(k!)^3}z^k\\]\n\n是一个超几何级数，而丘德诺夫斯基公式中的线性因子可以通过下式生成：\n\n\\[AF(z)+BzF'(z).\\]\n\n这里取的自变量值为 \\(z=-1/640320^3\\)。其绝对值极小，从级数本身的角度解释了收敛为何如此迅速；而模函数恒等式则确立了它与 \\(1/\\pi\\) 的精确联系。"
    },
    {
      "heading": "高效求值",
      "text": "基于递推的求和\n\n若对每一项都分别直接计算阶乘和幂，会产生大量重复运算。可以改用递推关系更新阶乘系数。\n\n定义\n\n\\[a_k= \\frac{(-1)^k(6k)!} {(3k)!(k!)^3C^{3k}}.\\]\n\n则\n\n\\[a_0=1,\\]\n\n且\n\n\\[a_{k+1} = -a_k \\frac{24(6k+1)(2k+1)(6k+5)} {C^3(k+1)^3}.\\]\n\n级数便可写为\n\n\\[S=\\sum_{k=0}^{\\infty}a_k(A+Bk).\\]\n\n这种方法简单直接，适合中等精度的计算。在极高精度下，反复以目标精度或接近目标精度进行运算，代价就会变得很高。\n\n二分拆分法\n\n**二分拆分法**将有限求和重组为一棵平衡树，树中的运算均为精确的整数乘法和加法。它避免了反复进行高精度除法，并使规模最大的运算能够采用高效乘法算法。\n\n一种标准构造是令\n\n\\[D=\\frac{640320^3}{24}.\\]\n\n对于单个索引 \\(k>0\\)，定义\n\n\\[P(k,k+1)=(6k-5)(2k-1)(6k-1),\\]\n\n\\[Q(k,k+1)=k^3D,\\]\n\n\\[T(k,k+1)=(-1)^kP(k,k+1)(A+Bk).\\]\n\n对于 \\(k=0\\)，取\n\n\\[P(0,1)=Q(0,1)=1, \\qquad T(0,1)=A.\\]\n\n合并相邻区间 \\([a,m)\\) 和 \\([m,b)\\) 时，计算\n\n\\[P(a,b)=P(a,m)P(m,b),\\]\n\n\\[Q(a,b)=Q(a,m)Q(m,b),\\]\n\n\\[T(a,b) = T(a,m)Q(m,b)+P(a,m)T(m,b).\\]\n\n在树的根节点处，\n\n\\[S_N=\\frac{T(0,N)}{Q(0,N)},\\]\n\n因此\n\n\\[\\pi\\approx \\frac{426880\\sqrt{10005}\\,Q(0,N)} {T(0,N)}.\\]\n\n所有 \\(P\\)、\\(Q\\) 和 \\(T\\) 的值都是整数。各棵子树相互独立，也为并行计算提供了机会。"
    },
    {
      "heading": "精度与计算成本",
      "text": "普通的固定位数浮点运算无法支持任意多位数字。因此，实现时需要使用任意精度运算或按比例缩放的整数运算。\n\n典型的高精度计算包括以下步骤：\n\n- 根据收敛性估计选定项数。\n- 用二分拆分法计算部分和。\n- 以足够的精度计算 \\(\\sqrt{10005}\\)，通常使用牛顿法或整数平方根算法。\n- 进行最后的乘法和除法。\n- 在对结果进行舍入之前，计入截断误差和运算误差。\n\n收敛速度快，并不意味着总计算成本仅与项数成正比。随着精度提高，每次大整数运算的成本也会增加。对于目标精度为 \\(d\\) 位十进制数字的计算，直接采用二分拆分法可能会产生位数达 \\(O(d\\log d)\\) 比特的未约分中间整数。\n\n采用快速乘法时，该算法具有准线性的位复杂度：忽略对数因子后，运行时间与所需精度成正比。具体的复杂度界取决于乘法算法、公因子的处理方式以及中间值的表示方式。大规模实现通常使用基于快速傅里叶变换或相关变换的乘法技术。\n\n内存管理、并行调度、存储带宽，以及从二进制表示转换为十进制输出，也可能带来显著开销。因此，仅计算级数所需的时间，并不等于生成超长十进制展开的全部成本。"
    },
    {
      "heading": "应用与局限",
      "text": "丘德诺夫斯基算法兼具快速收敛性，以及非常适合精确运算和二分拆分法的结构，因此被广泛用于大规模圆周率计算。这类计算也是对多精度软件、处理器、内存系统和长期运行的计算基础设施的严苛测试。\n\n其主要局限在于适用范围和结果验证：\n\n- 它计算的是圆周率从开头起的一段数字。 它不是数位提取方法，无法在不计算此前所需精度的情况下直接取得远处的某一位数字。\n- 快速收敛并不能消除实现错误。 级数恒等式及其截断误差界本身，并不能验证某个具体程序、算术库或某次硬件运行的正确性。\n- 正确舍入需要明确控制误差。 保护位虽然有用，但要得到经过验证的输出，误差界必须足够紧，能够据此确定最终的舍入值。\n- 十进制数位不能证明圆周率的一般性质。 例如，无论计算规模多大，都不能证明圆周率是正规数，即所有有限数字串都以预期的极限频率出现。\n\n其他高精度计算方法还包括基于算术—几何平均值的算法。它们的迭代次数和收敛模式与丘德诺夫斯基级数不同，因此，实际比较时必须考虑算术运算、内存使用及验证的全部成本，而不能只看迭代次数。"
    }
  ],
  "links": [
    "pi",
    "infinite-series",
    "factorial",
    "rational-number",
    "integer",
    "geometric-series",
    "elliptic-curve",
    "hypergeometric-function",
    "recurrence-relation",
    "parallel-computing",
    "floating-point-arithmetic",
    "newtons-method",
    "fast-fourier-transform"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}