{
  "id": "computability-theory",
  "title": "可计算性理论",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "可计算性理论研究算法能够解决哪些问题，并对不可解性的数学界限与程度进行分类。",
  "category": "computer-science",
  "subcategory": "algorithms-theory",
  "type": "concept",
  "aliases": [
    "递归论",
    "递归函数论"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/computability-theory/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/computability-theory/",
      "json": "https://aiwiki.page/en/computability-theory.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "可计算性理论是数理逻辑和计算机科学的一个分支，研究哪些问题可以通过算法求解。它为有效过程、可计算函数和算法可解问题赋予精确的含义，并研究不存在求解算法的问题。其核心发现是：有些表述严谨的数学问题，即使允许使用无限的时间和内存，也不存在能够回答它们的通用机械过程。\n\n这门学科诞生于20世纪30年代，源于阿隆佐·丘奇、艾伦·图灵、库尔特·哥德尔、斯蒂芬·科尔·克莱尼和埃米尔·波斯特的工作。他们从不同角度将符号计算、形式证明与数值函数联系起来，为计算建立了统一的数学描述。此后，可计算性理论逐渐发展为一门深入研究相对计算能力、不可解问题的层级、有效数学结构以及算法随机性的学科。\n\n计算复杂性主要研究解决可计算问题所需的资源，而可计算性理论首先追问的是：求解过程究竟是否存在。这一区别至关重要：一个慢到不具实用价值的算法仍然是算法，而对于不可判定问题，则不存在能正确处理每一个实例的算法。这一界限深刻影响着数学基础、编程语言语义以及自动推理的能力边界。"
    },
    {
      "heading": "历史基础与判定问题",
      "text": "现代理论起源于将数学推理形式化的尝试。十九世纪末至二十世纪初，数学家致力于寻找精确的语言和规则，使证明能够被视为有限的符号对象。大卫·希尔伯特的纲领强调对形式理论进行系统研究，其中包括理论的一致性以及机械判定程序是否存在等问题。一个影响尤为深远的挑战是希尔伯特与威廉·阿克曼于1928年提出的判定问题：是否存在一种能行程序，可以判定任意一阶逻辑公式是否有效。\n\n在能行程序尚未得到令人满意的定义之前，哥德尔的工作就已改变了这一研究的局面。他于1931年提出的哥德尔不完备定理表明，在适当的假设下，表达能力足够强、且可有效公理化的数学理论不可能既一致又完备。其中一项关键技术是用自然数对公式、证明和句法操作进行编码。这种算术化方法使算术能够表达关于形式推导的陈述。不完备性与不可判定性是不同的性质，但二者都揭示了能行形式方法的局限。\n\n20世纪30年代，人们提出了多种关于能行计算的定义，最终发现它们殊途同归。丘奇采用了λ演算，这是一种以函数和代换为基础的形式体系。哥德尔借鉴雅克·埃尔布朗的一项建议，提出了一般递归函数的概念；克林则发展了相关理论。图灵在1936年的论文中，从一个人遵循固定规则、在纸上操作符号的角度分析了计算。波斯特也独立描述了一种相关的有限符号操作模型。这些方法不仅在思路上相近，其等价性还可以得到数学证明。\n\n1936年，丘奇和图灵沿着不同的形式化路径，分别独立证明了判定问题无解。图灵的论述还引入了一种通用机器，它能够根据其他机器的编码描述来模拟这些机器。这样一来，程序本身也成为数据，并为研究计算本身提供了一个框架。他的论文发表于《伦敦数学会会报》1936—1937年卷，成为理论计算领域的奠基性文献。\n\n这一学科长期以来被称为“递归论”，反映了数值函数递归定义的重要地位。后来，“可计算性理论”这一名称日益普及，因为它更直接地传达了该学科的研究范围，也避免了与作为编程技术的递归相混淆。这两个名称至今仍在使用。研究逐渐从证明个别问题的不可能性，扩展到考察不可解性的复杂结构；尤其是在20世纪40年代波斯特开展可计算枚举集与相对计算的研究之后，这一趋势更加明显。"
    },
    {
      "heading": "形式模型与丘奇—图灵论题",
      "text": "图灵机为计算设备提供了一种简单的数学模型。它具有有限的状态集、一条划分为单元格的纸带、一个读写头，以及规定状态、纸带内容和读写头位置如何变化的转移规则。在这一模型中，纸带没有边界，但任何会终止的计算都只使用有限多个单元格。输入和输出都是有限字符串，可以编码为自然数。改变纸带的数量或字母表的具体设置，并不会改变哪些函数是可计算的。\n\n如果存在某台机器，对每个输入 \\(n\\) 都会停机并输出 \\(f(n)\\)，那么数值函数 \\(f:\\mathbb{N}\\to\\mathbb{N}\\) 就是可计算的。部分可计算函数在某些输入上可能没有定义：相应的计算会永远运行下去。这一区别至关重要，并非无关紧要的细节。许多自然的计算过程会搜索满足某个条件的对象，只有找到这样的对象才会停机。如果一种理论仅限于总能终止的过程，就无法涵盖这些基本的计算过程。\n\n其他形式体系也刻画了同一类部分数值函数。寄存器机通过基本指令操作有限多个寄存器；λ演算通过代换对表达式求值；递归函数形式体系则通过指定的运算构造函数。原始递归函数由初始函数通过复合和原始递归构造而成。它们都是全函数，但并不包含所有的全可计算函数。阿克曼函数就是一个全可计算但不是原始递归的标准例子。允许无界搜索，就能得到范围更广的部分递归函数类。\n\n丘奇—图灵论题认为，非形式意义上的有效可计算性，等同于这些彼此等价的形式模型中的可计算性。它不同于两个精确定义的机器模型之间的等价性定理，因为它的一端涉及一个非形式概念。支持这一论题的依据包括：彼此独立的定义殊途同归，对遵循规则的符号活动的分析，以及迄今没有公认的有效过程超出这些模型所刻画的范围。此外，还应将它与有关高效模拟或一切物理上可能存在的系统之能力的更强主张区分开来。\n\n通用性解释了为什么一台固定的设备能够实现任意多种算法。通用图灵机接收经过编码的机器描述和一个输入，然后模拟该描述所指定的计算。因此，对程序进行有效枚举，就得到一个部分可计算函数序列\n\n\\[\\varphi_0,\\varphi_1,\\varphi_2,\\ldots .\\]\n\n不同的下标可以对应计算同一个函数的程序，而有些下标所描述的计算在所有输入上都不会终止。这种枚举将关于计算过程的问题转化为关于整数的数学问题，从而使对角线论证、归约和自指成为可能。"
    },
    {
      "heading": "可判定问题与可计算枚举问题",
      "text": "判定问题询问某个输入是否属于指定的集合。有限字符串、图、公式和程序都可以编码为自然数，因此判定问题常被表示为集合 \\(A\\subseteq\\mathbb{N}\\)。如果一个集合的特征函数是可计算的，就称该集合是可判定的，或可计算的：\n\n\\[\\chi_A(n)= \\begin{cases} 1,&n\\in A,\\\\ 0,&n\\notin A. \\end{cases}\\]\n\n判定过程必须对每个输入都停机。如果有些输入永远得不到答案，那么即使所有终止的计算都给出了正确答案，也不足以构成判定过程。\n\n可计算枚举集（简称 c.e.）满足一种较弱的有效可访问性条件：存在一个过程，恰好在输入属于该集合时停机并接受；对于不属于该集合的输入，它可以永远运行下去。等价地，存在一个过程能够列出该集合的所有元素，允许重复，也不要求按特定顺序列出。较早的文献常使用“递归可枚举”（recursively enumerable，简称 r.e.）这一术语。在形式语言理论中，相应的接受条件也称为可识别性或半可判定性。\n\n识别与枚举的等价性用到了一种称为交错模拟的基本技巧。给定一个识别器，将它在输入 \\(0,1,2,\\ldots\\) 上的计算分阶段交错运行，让每个尚在进行的计算逐步获得更多执行步数。每当某个计算接受时，就输出其输入。这样可以避免被第一个不终止的计算困住。反过来，给定一个集合的枚举过程，要识别某个候选元素，只需等待它在枚举中出现。对于空集，枚举过程不输出任何元素即可。\n\n一个集合可判定，当且仅当它及其补集都是可计算枚举集。一个方向是，判定器可以用来识别该集合或其补集。另一个方向是，通过交错模拟，并行运行该集合及其补集的识别器；其中一个最终必定会接受。这一刻画清楚地说明了，能够确认肯定实例的搜索过程，为什么未必能判明否定实例。对于一次未找到结果的搜索，可能不存在能够有效确定的时刻，使我们可以放心地宣布搜索已经完成。\n\n形式可证明性提供了一个重要例子。对于一个有效公理化的理论，可以有效枚举其有限证明，因此其定理构成一个可计算枚举集。但这并不意味着“是否为定理”是可判定的。在足够强的理论中，不存在能够判定任意语句是否有证明的通用过程。相比之下，一些较弱的数学理论确实存在判定过程：普雷斯伯格算术研究带有加法而不带乘法的自然数，它是可判定的。\n\n因此，可判定性取决于具体采用的语言和允许的输入。有限自动机所识别的正则语言，其成员判定问题和等价性问题都是可判定的。一般程序的行为则远没有这么容易处理。单个实例在直观上有多难，或输入规模有多大，都不能据此确立不可判定性；关键在于，是否存在一种统一的方法，能对整个指定类别中的所有输入都给出正确答案并终止。"
    },
    {
      "heading": "对角化、停机与自指",
      "text": "停机问题问的是：给定程序在给定输入上是否最终会停止。它的一种标准对角形式是\n\n\\[K=\\{e:\\varphi_e(e)\\text{ is defined}\\}.\\]\n\n这个集合是可计算枚举的：模拟程序 \\(e\\) 在输入 \\(e\\) 上的运行，若它停止，就接受。要证明它不可判定，可以先假设存在一个全可计算函数能够判定它，再构造一个程序，使该程序在以自身索引为输入时，做出与预测相反的行为。\n\n更明确地说，假设判定函数 \\(h(e)\\) 在 \\(\\varphi_e(e)\\) 停机时返回 \\(1\\)，否则返回 \\(0\\)。定义程序 \\(D\\)：输入为 \\(e\\) 时，若 \\(h(e)=1\\)，就永远循环；若 \\(h(e)=0\\)，就停机。设 \\(d\\) 是 \\(D\\) 的一个索引。如果 \\(h(d)=1\\)，那么 \\(D(d)\\) 不停机；如果 \\(h(d)=0\\)，那么 \\(D(d)\\) 停机。两种情况都与所声称的 \\(h\\) 的正确性矛盾。这一论证排除了所有可能的判定程序，而不只是某一种具体实现。\n\n对角化的适用范围并不限于停机问题。程序都有有限的描述，因此程序的全体是可数的，而 \\(\\mathbb{N}\\) 的所有子集构成的集合是不可数的。因此，绝大多数集合都不可计算。这一计数论证说明了不可计算集合的大量存在，却没有指出某个具体的不可判定集合。有效的对角构造则能给出这样的集合，而且往往还能揭示其逻辑复杂性。这些构造也说明了为什么不可能通过一种有效枚举，恰好列出所有全可计算函数，同时又能对列出的函数进行统一求值：通过对角修改，总能得到另一个不在列表中的全可计算函数。\n\n莱斯定理大大拓展了停机不可判定性在实际问题中的适用范围。对于程序所计算的偏函数，任何非平凡性质都无法根据任意给定的程序索引来判定。“非平凡”是指有些偏可计算函数具有该性质，而另一些不具有。例如，计算出的函数是否为恒零函数，或者定义域是否非空，都是这样的性质。该定理讨论的是语义性质，而不是任意的语法性质：程序是否包含某个特定符号，通常是可判定的。\n\n自指也有构造性的形式。克林递归定理的一种标准表述是：对于程序索引上的每一个全可计算变换 \\(f\\)，都存在一个索引 \\(e\\)，使得\n\n\\[\\varphi_e=\\varphi_{f(e)}.\\]\n\n这里的相等是指偏函数相等，并不要求程序文本或执行轨迹完全相同。因此，程序的可计算变换在行为层面上总有一个不动点。该定理为自我复制程序的严格构造、逻辑中的不动点论证以及许多优先方法构造提供了基础。它并不意味着每一种源代码变换都存在一个在文本上原封不动的程序。"
    },
    {
      "heading": "数学中的归约与不可判定性",
      "text": "归约将一个问题转化为另一个问题，同时保持答案不变。对于集合 \\(A,B\\subseteq\\mathbb{N}\\)，多一归约 \\(A\\leq_m B\\) 是一个全可计算函数 \\(f\\)，满足\n\n\\[x\\in A\\quad\\Longleftrightarrow\\quad f(x)\\in B.\\]\n\n如果 \\(B\\) 是可判定的，那么通过计算 \\(f(x)\\)，再判定其是否属于 \\(B\\)，就能判定 \\(A\\)。因此，要证明 \\(B\\) 不可判定，只需将一个已知的不可判定问题 \\(A\\) 归约到 \\(B\\)。归约的方向至关重要：将 \\(B\\) 归约到一个不可判定问题，并不能证明 \\(B\\) 本身不可判定。\n\n有些可计算枚举问题在多一归约下是完备的，也就是说，每个可计算枚举集都能归约到它们。停机问题就是一个典型例子。给定可计算枚举集 \\(A\\) 的一个识别器和输入 \\(x\\)，可以有效地构造一个程序，使其当且仅当该识别器接受 \\(x\\) 时停机。这样就将任意可计算枚举集的成员资格问题转化为了停机问题。完备性有力地解释了为什么看似毫不相关的任务能够编码同一种普遍性的求解障碍。\n\n波斯特对应问题由波斯特于1946年提出，涉及有限多个词对。它要问的是：能否从中选取一个非空的词对序列，允许重复选取，使各词对中上方的词依次拼接后，与下方的词依次拼接后的结果相同。它的规则十分简单，但不加限制的一般问题却是不可判定的。由于计算过程可以编码为有限字符串之间的匹配约束，这一问题已成为形式语言理论中证明不可判定性的标准中间问题。\n\n希尔伯特第十问题旨在寻找一种算法，判定整系数多项式方程是否有整数解。马丁·戴维斯、希拉里·普特南和朱莉娅·罗宾逊开展的研究，由尤里·马季亚谢维奇于1970年完成，确立了可计算枚举集都具有丢番图表示。具体来说，可计算枚举集的成员资格可以表述为某些多项式方程在非负整数范围内存在解。通过有效的变换，可以将这一表述与整数解问题联系起来，从而对希尔伯特的问题给出了否定答案。不过，若将方程限制为某些特定类型，情况可能会发生显著变化。\n\n不可判定性也出现在代数与几何中。有限表示群的一般字问题要问的是：给定有限的生成元与关系，一个字是否表示单位元。彼得·诺维科夫和威廉·布恩在20世纪50年代各自独立取得的成果证明了这一问题在一般情形下不可判定。这并不意味着每个有限表示群的字问题都不可判定。同样，一般的一阶逻辑有效性问题不可判定，并不妨碍某些受限理论和片段是可判定的。\n\n这些例子展示了一种典型方法：将有限的计算历程编码为数学对象，使目标性质成立当且仅当所模拟的计算成功。困难未必来自庞大的数值规模或复杂的记号。极小的规则系统也能实现通用计算，而看似高深的数学问题，在施加适当的结构限制后，也可能变得可判定。"
    },
    {
      "heading": "相对可计算性与不可解度",
      "text": "不可判定的问题仍可作为解决其他问题的假想资源。预言机图灵机可以询问某个元素是否属于一个固定集合 \\(B\\)，并在一个预言机步骤内得到准确答案。关系 \\(A\\leq_T B\\) 称为图灵可归约性，表示存在这样的机器能够判定 \\(A\\)。预言机不必是可计算的。它是用于比较信息含量的数学工具，并不意味着物理机器能够获得不可计算的答案。\n\n图灵归约允许进行多次自适应查询：后续问题可以取决于先前的答案。因此，它比多一归约更为宽松。如果两个集合彼此都可图灵归约到对方，就称它们具有相同的图灵度。可计算集合构成最小的度，记为 \\(\\mathbf{0}\\)。度不考虑问题的具体编码方式，而是刻画其作为计算资源的能力。\n\n这些度构成偏序，而不是排列成一条链。存在不可比较的集合 \\(A\\) 和 \\(B\\)，二者都不能计算出对方。度还具有一种自然的并运算：\\(A\\) 和 \\(B\\) 中的信息可以合并为\n\n\\[A\\oplus B=\\{2n:n\\in A\\}\\cup\\{2n+1:n\\in B\\}.\\]\n\n它的度是同时大于或等于这两个给定度的最小度。这类运算揭示了不可解性丰富的内部结构，而不只是将任务简单地二分为可解与不可解。\n\n波斯特曾提出，是否存在一个可计算枚举集，其度严格介于可计算度与停机问题的度之间。理查德·弗里德伯格和阿尔伯特·穆奇尼克于20世纪50年代各自独立地给出了肯定答案。他们的构造引入了优先方法：为可数多个可能相互冲突的要求指定优先级，从而满足这些要求。一个典型的要求是，确保某个构造出的集合不能由另一个集合计算出来。为满足较高优先级要求而采取的行动，可能暂时破坏较低优先级要求的构造工作；有限损伤论证表明，每个要求只会受到有限次破坏。\n\n图灵跳跃提供了一种系统地构造更强预言机的方法。对于集合 \\(A\\)，其跳跃为\n\n\\[A'=\\{e:\\varphi_e^A(e)\\text{ halts}\\},\\]\n\n其中，上标表示可以访问预言机 \\(A\\)。相对化的对角论证表明，\\(A'\\not\\leq_T A\\)，尽管 \\(A\\leq_T A'\\)。从可计算度出发，就得到序列 \\(\\mathbf{0},\\mathbf{0}',\\mathbf{0}'',\\ldots\\)。\n\n跳跃并不能衡量复杂性的所有方面。一个不可计算集合也可能是低的，即其跳跃与 \\(\\mathbf{0}'\\) 具有相同的度。另一端则是高可计算枚举度，其跳跃具有与 \\(\\mathbf{0}''\\) 相同的计算能力。这些区分说明，拥有不可计算信息与获得判定停机问题的额外能力，是两回事。"
    },
    {
      "heading": "逻辑层级与逼近",
      "text": "算术层级按照自然数集上定义的量词复杂度对集合进行分类。在第一层，如果一个集合的成员关系可以表示为\n\n\\[x\\in A\\quad\\Longleftrightarrow\\quad \\exists y\\,R(x,y),\\]\n\n其中 \\(R\\) 是可计算谓词，那么该集合就是 \\(\\Sigma^0_1\\) 集。\\(\\Pi^0_1\\) 定义则使用全称数量词。更高的层级允许存在量词块与全称量词块交替出现，其中 \\(\\Sigma^0_n\\) 以存在量词开头，\\(\\Pi^0_n\\) 以全称量词开头。连续出现的同类量词可以通过编码合并。\n\n\\(\\Sigma^0_1\\) 集恰好是可计算枚举集，而 \\(\\Pi^0_1\\) 集恰好是它们的补集。这一对应关系将逻辑形式转化为计算行为。如果存在满足条件的见证，就可以通过系统搜索找到它；但一般无法确认不存在这样的见证。找到一个反例即可否定全称命题，而确认全称命题可能需要无界的信息。\\(\\Delta^0_n\\) 类由同时属于 \\(\\Sigma^0_n\\) 和 \\(\\Pi^0_n\\) 的集合组成。\n\n波斯特定理将这些层级与预言机计算联系起来。对于 \\(n\\geq 1\\)，\\(\\Sigma^0_n\\) 集恰好是相对于 \\(\\mathbf{0}^{(n-1)}\\) 可计算枚举的集合，并且\n\n\\[A\\in\\Delta^0_{n+1}\\quad\\Longleftrightarrow\\quad A\\leq_T\\mathbf{0}^{(n)}.\\]\n\n因此，量词的交替对应于逐层累积的停机信息。这一层级是严格的：增加量词交替确实会增强表达能力。\n\n一个具有代表性的指标集是\n\n\\[\\mathrm{TOT}=\\{e:\\varphi_e\\text{ is total}\\}.\\]\n\n全定义性意味着，对每个输入，都存在一个有限阶段，使得计算在该阶段内停机：\n\n\\[e\\in\\mathrm{TOT}\\quad\\Longleftrightarrow\\quad \\forall x\\,\\exists s\\,[\\varphi_e(x)\\text{ halts within }s\\text{ steps}].\\]\n\n方括号中的条件是可判定的。集合 \\(\\mathrm{TOT}\\) 是 \\(\\Pi^0_2\\) 完全的，其图灵度为 \\(\\mathbf{0}''\\)。因此，从预言机计算的精确意义上说，判定任意程序是否对所有输入都终止，比判定某一次指定的运行是否终止更难。\n\n逼近为理解这些层级提供了另一种视角。极限引理刻画了 \\(\\Delta^0_2\\) 集：它们恰好是特征函数具有可计算的逐点收敛逼近的集合。一个可计算过程可以对 \\(x\\) 是否属于某个集合的猜测进行有限次修改，最终稳定在正确答案上，却无法有效识别最后一次修改是否已经发生。收敛并不能提供判定程序。\n\n在算术层级之外，分析层级允许对自然数集或函数进行量化，而不仅仅是对数进行量化。超算术理论借助可计算序数记号扩展有效的超限构造。超算术集恰好是轻体 \\(\\Delta^1_1\\) 集。丘奇–克林序数通常记作 \\(\\omega_1^{CK}\\)，是不能成为任何可计算良序的序型的最小序数。这些扩展将可计算性与可定义性以及超限数学的有效版本联系起来。"
    },
    {
      "heading": "算法信息与随机性",
      "text": "算法随机性探讨的是，单个无穷序列表现出随机性究竟意味着什么。通常的概率论为序列集合赋予测度，但零测集仍然可以包含具体的结果。事实上，在公平抛硬币测度下，每一个单独的无穷二进制序列的概率都是零。因此，随机性不能简单地理解为避开所有零测集。算法方法将考察范围限定为那些能够有效描述的例外集合。\n\n佩尔·马丁-勒夫于 1966 年提出了一个核心定义。马丁-勒夫检验是无穷二进制序列空间中一致有效可枚举的开集序列 \\(U_0,U_1,\\ldots\\)，满足 \\(\\mu(U_n)\\leq 2^{-n}\\)。如果一个序列属于每一个 \\(U_n\\)，就称它未通过该检验。如果它没有未通过任何这样的有效检验，就称它具有马丁-勒夫随机性。不断缩小的测度上界，表达了反对典型公平抛硬币行为的、强度可以任意增大的统计证据；而有效性则将检验限制在可用计算方式描述的范围内。\n\n另一种互补的方法使用柯尔莫哥洛夫复杂度，即描述一个有限对象的最短程序的长度。对于一台固定的最优前缀无关机器，\\(K(\\sigma)\\) 表示输出有限二进制串 \\(\\sigma\\) 的最短程序长度。“前缀无关”是指，任何有效程序都不是另一个有效程序的真前缀，因此程序可以被解释为能够自行确定边界的描述。不变性定理指出，更换最优描述机器所引起的复杂度变化，至多相差一个加法常数。\n\n莱文–施诺尔定理将随机性与不可压缩性联系起来：无穷二进制序列 \\(X\\) 具有马丁-勒夫随机性，当且仅当存在常数 \\(c\\)，使得对每个 \\(n\\) 都有\n\n\\[K(X{\\upharpoonright}n)\\geq n-c\\]\n\n其中，\\(X{\\upharpoonright}n\\) 是该序列的前 \\(n\\) 位。随机序列的各个初始片段无法一致地得到大幅压缩。这是一个渐近的数学判据，而不是一种能够确认任意有限数据文件具有随机性的检验。柯尔莫哥洛夫复杂度本身是不可计算的。\n\n柴廷常数 Ω将随机性与停机信息结合起来。对于一台通用前缀无关机器 \\(U\\)，定义\n\n\\[\\Omega_U=\\sum_{U(p)\\text{ halts}}2^{-|p|}.\\]\n\n前缀无关条件保证该和不超过 \\(1\\)。在将输入解释为随机比特流的相应模型下，这个实数就是该机器的停机概率。它可以由可计算的递增有理数估计值从下方逼近，但它本身不可计算。它的二进制展开具有马丁-勒夫随机性，而且这个实数的图灵度与停机问题相同。它的确切数值取决于所选择的通用机器。\n\n算法随机性还与度理论相互关联：不同的随机序列可以具有不同的计算能力。随机性并不意味着作为预言机时具有最大的计算效用，统计上的不可预测性也不等同于不可判定性。伪随机数生成器可以产生让能力受限的观察者难以与随机数据区分的输出，但其全部输出仍然可以由它的算法和种子计算出来。"
    },
    {
      "heading": "可计算分析与数学结构",
      "text": "经典的数值可计算性研究处理的是有限对象，而数学的许多领域涉及实数、连续函数和可数结构等无限对象。可计算分析通过有限近似和有效表示来研究这些对象。如果存在一个算法，对每个 \\(n\\) 都能给出一个满足下式的有理数 \\(q_n\\)，那么实数 \\(x\\) 就是可计算的：\n\n\\[|x-q_n|\\leq 2^{-n}.\\]\n\n这里明确给出的误差界至关重要。如果一个可计算的有理数收敛序列没有有效的收敛速率，那么它的极限未必是可计算的。\n\n以任意实数为输入的计算，通常无法通过有限字符串接收该实数的全部信息。计算过程转而访问这个实数的一个名称，即满足指定精度条件的无限近似数据流。可计算实函数将每个有效的输入名称转换为有效的输出名称。在实数的通常表示方式下，每个这样的全可计算函数都是连续的。直观地说，任何有限精度的输出近似都只依赖于有限的输入信息，而这些信息也适用于邻近的实数。不过，仅有连续性还不足以保证可计算性。\n\n即使是基本的数值问题，也能体现近似计算与精确判定之间的区别。对于通过近似过程给出的两个任意可计算实数，一般无法判定它们是否相等。如果两个实数不同，足够精确的近似最终能够给出将二者分开的区间；如果它们相等，则未必能凭任何有限精度确认这一点。不同的表示方式可以支持不同的有效运算，因此，可计算分析将表示方式的选择视为数学问题的一部分。\n\n可计算结构理论研究可数数学对象的有效呈示。一个可计算呈示通常具有可计算的论域，以及可计算的基本运算和关系。两个呈示在通常的数学意义下可能同构，但它们之间却不存在任何可计算同构。如果一个结构的任意两个可计算呈示之间都存在可计算同构，就称该结构是可计算范畴的。这类问题细化了通常的分类研究：它们不仅追问是否存在对应的元素，还追问能否通过算法找到这种对应关系。\n\n逆向数学将有效构造与证明数学定理所需的公理联系起来。这一领域由哈维·弗里德曼在20世纪70年代开创，随后经斯蒂芬·辛普森等人的工作得到重要发展，通常在二阶算术的子系统中展开研究。它不仅关注如何从强公理推出某个定理，还追问在一个较弱的基础理论之上，该定理是否反过来蕴含那些公理。基础系统 \\(\\mathrm{RCA}_0\\) 的设计以递归概括和受限归纳为核心。\n\n在这一背景下，可计算性提供了用于区分公理系统强弱的例子。一个定理可能断言，每个某类对象都有另一类对象作为其解，但其中仍可能存在没有可计算解的可计算实例。例如，无限可计算二叉树未必具有可计算的无限路径。这一现象有助于解释，为什么弱柯尼希引理比基础系统具有更强的证明能力。更精细的分析则考察哪些预言机度能够计算出解，从而将通常的存在性定理与实现其结论所需的信息联系起来。"
    },
    {
      "heading": "对软件的影响与计算的极限",
      "text": "可计算性理论为通用程序分析划定了精确的界限。对于不受限制的程序，不存在一种算法，能够始终判定程序执行是否终止、某条指定指令是否会被执行，或者两个程序是否计算同一个部分函数。只需安排一条特殊指令，使其仅在所模拟的计算停止后才执行，就能将停机问题的不可判定性归约到指令可达性问题上。程序等价性同样不可判定。这些结论针对的是一个拟议的分析器可能接收的所有输入，并不是说每一个实际案例都无法分析。\n\n形式验证通过明确规定所提供的保证和施加的限制，在这些界限内开展工作。即使寻找证明的问题不可判定，证明检查器仍然可以核验一个有限的推导。自动定理证明可以系统地搜索证明，但在不存在证明时，搜索未必会终止。静态分析可以保守地对程序行为进行过近似，容许误报，以维持可靠的保证。另一些工具则将程序限制在某种语言或领域内，使所需验证的性质成为可判定的。\n\n模型检测体现了模型选择的重要性。有限转移系统只有有限多个状态，因此许多时序性质可以通过图算法判定，尽管状态空间可能极其庞大。如果为系统加入无界存储，相关的验证问题就可能变得不可判定。一台内存容量完全固定且有限的计算机，原则上本身就是有限状态系统；可计算性理论通常研究统一的程序族，或没有固定存储上限的理想化机器。实际资源限制与数学上的不可判定性，是两种不同的障碍。\n\n忙海狸函数以一种鲜明的定量形式展现了这一界限。在一种固定的图灵机约定下，令 \\(S(n)\\) 表示所有具有 \\(n\\) 个状态、在空白输入上最终停机的机器中，停机前执行步数的最大值。这种规模的机器只有有限多台，因此 \\(S(n)\\) 有明确定义。然而，不存在可计算函数能够给出所需的通用上界：如果有这样的上界，就可以将模拟运行足够长的时间，从而判定机器在空白输入上是否停机。标准的忙海狸函数最终会超过每一个全可计算函数。\n\n可计算性与复杂性的区别仍然至关重要。布尔可满足性问题可以通过穷举搜索来判定；其重要性在于求解效率。P与NP问题关注的是多项式时间资源，而不是算法是否存在。更快的硬件、并行计算以及改进的算法，可以改变问题在实践中是否可行，却不能消除不可判定性。在标准的有效描述框架下，量子计算机也无法判定停机问题，尽管它们能够改变某些可计算任务的复杂性。\n\n声称计算能力超越图灵机的模型，通常会引入非标准资源：精确访问某个不可计算实数、在有限时间内完成无限多次运算，或借助预言机提供不可计算的信息。由此得到的模型可以接受数学研究，但其额外能力依赖于这些假设。普通的交互、随机性、学习或连续形式的记法，本身并不能证明具有这种能力。严谨的论断必须明确说明输入如何表示、允许执行哪些操作、输出意味着什么，以及所提出的资源如何提供普通算法无法获得的信息。"
    }
  ],
  "links": [
    "computer-science",
    "algorithm",
    "alan-turing",
    "computational-complexity",
    "entscheidungsproblem",
    "godels-incompleteness-theorems",
    "lambda-calculus",
    "recursion",
    "turing-machine",
    "church-turing-thesis",
    "universal-turing-machine",
    "regular-language",
    "halting-problem",
    "formal-language",
    "probability",
    "kolmogorov-complexity",
    "pseudorandom-number-generator",
    "formal-verification",
    "automated-theorem-proving",
    "model-checking",
    "boolean-satisfiability-problem",
    "p-versus-np-problem",
    "parallel-computing",
    "quantum-computer"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}