主题:【25个科学问题征文】常规计算的极限是什么? -- 电子狼
Charles Seife
常规计算的极限是什么?
粗略一看,计算的最终极限似乎是个工程学问题。芯片可以加载多少能量(用于计算)而不烧掉它?存储器里的一位比特能翻转多快?计算机能做多大,且仍能放在房间里?这些问题看上去不是那么深刻。
实际上,计算本身远远比如何造好一个计算机要抽象和根本的多。这个认知形成于30年代中期,当普林斯顿数学家阿伦佐.丘奇(Alonzo Church)和阿兰.图灵(Alan Turing)证明了一个定理,简要说来是:任何以比特(bits)和字节(bytes)为基础的计算问题可以用一个理想计算机(图灵机)实现。通过证明所有的常规计算机在本质上是相近的,使得科学家和数学家可以探讨关于计算的本质问题,而不会陷入计算机架构上的细微末节之中。
举例来说,理论数学家现在可以把计算问题分为几个大类。P问题指那些大致来说可以很快解决的简单问题,譬如把一组名字按字母顺序排序。NP问题难以解决,但验证解答比找到解答相对容易。NP问题的一个例子是旅行推销员路线问题:找到遍历一系列地点的最短路线。对此所有已知的算法都需要很多的计算步骤,以至于对相对很少节点的情形,现在的所有常规计算机也难以胜任。
数学家业已证明,对于最困难的那一类NP问题,如果你能找到一条解决其中一个问题的捷径,那你就能解决所有的NP问题。如果这样,NP问题就变成了P问题。但问题是这样的捷径是否存在:是否P=NP。科学家猜想不存在这样的捷径:但如何证明这一点是数学领域中最大的悬而未决的问题之一。
19世纪40年代,贝尔实验室的科学家克劳德.香农(Claude Shannon)证明:比特(bits)的概念不仅仅是用于计算机,它们是信息从一个系统传递到另一个系统的基本单元。一个比特可以用多快的速度从甲处传递到乙处;对于给定的信息通道,可以有多少信息来回传递;从内存中抹去一位字节需要多少能量,这些问题都可以通过一系列物理定律(香农信息定律)得出。所有的传统信息处理器都遵守香农信息定律---而在我们的脑海里翻转的似乎就是信息:那信息定律是否意味着我们的思维可以简约成一系列的比特和字节?我们是否也仅仅就是台计算机呢?这个问题现在还没有得到回答。
但有一个领域用传统计算机(信息论)不能完全表述:量子理论。量子理论的不确定性使得原子或其他量子实体可以存储的信息状态,不局限于信息理论中的“要么0,要么1”的状态,而可以同时是“0态”或“1态”。在世界各地的物理学家正在建造原始的量子计算机,通过利用这个以及其他的量子效应去做普通计算机证明无法办到的事:譬如通过区区几条查询(比常规方法少得多),在一个数据库里找到特定的纪录项。不过,科学家仍在研究是什么量子机制使量子计算机如此功能强大,以及如何制造可以投入实用的量子计算机。
通过了解量子世界的奇异逻辑,并把它用于计算,科学家可以深入了解亚原子世界的法则。对计算能力的追求看似平凡,但也许就是类似的问题可以带来对量子领域的全新理解。
本帖一共被 4 帖 引用 (帖内工具实现)
我在看的时候很感兴趣,忍不住翻译起来。
盼着与河里的高人探讨,且不知MacArthur兄进展如何,就抢发在这里,向MacArthur兄道歉。
这篇文章很浅显,作者似乎主题并不集中,已开始偏向数学方面,后来又介绍量子计算机。
我对量子计算机不甚了解,那位高人可以详细介绍?
关于计算问题,我实际上对基因算法更感兴趣。因为它处理的是常规推导算法无法覆盖的解题空间,其思维方式也不是遵循传统的化复杂问题为简单问题的分解路径,是一个有趣的发展方向。不知河里有没有这方面的专业人士,以及象我这样的爱好者?
翻了一遍,怎么看怎么不象汉语,半通不通。
说起这个推销员路线问题,这周末刚跟一同学聊这个。他的一师弟正做这个。节点超过12个的话普通mainframe也就歇菜了... 挺有乐的...
按说NP问题不应该用这种“霸王硬上弓”的方法解出来... 不过NP=P能否行得通还得看数学家的...
看来您还是这方面的专业人士。实际上,我不知道NP问题的来龙去脉,不知兄台可否介绍一下其他的NP问题?
推销员路线问题,不知有没有用基因算法实现的方法?
也是为了赶着翻译昨天临时查了查定义才总算明白了什么是P什么是NP。如果胆敢在这里开口讲P=NP的话恐怕真正科班出身的要气死了... 建议狼兄还是自己查查资料吧,胜过听俺胡说八道...
对照原文,似应当为“对于最困难的那一类NP问题”,是特指,术语称为“NP完全问题”,参见http://en.wikipedia.org/wiki/NP-complete
另外,为什么说基因算法“处理得是常规推导算法无法覆盖的解题空间”?这个我不熟悉的
已经在正文里修改。
关于基因算法,也只是业余爱好,希望过一阵能整理一下。
首先那句话有笔误:应是
因为它处理的是常规推导算法无法覆盖的解题空间。
先摘抄一段话来应付你:
遗传算法(基因算法)是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。由于其具有健壮性,特别适合于处理传统搜索算法解决不好的复杂的和非线性问题。
和读中文一个样,翻得好。
我只上了一堂课。感觉很有兴趣,可惜没有时间深学。
业余爱好者而已。我还没上过课呢。您有什么心得,也请说说。
好像模糊逻辑和基因算法两者关系不大。
反正我们的课都把它们排在一起。如果让我现在说,我只能把教授的讲课提纲翻译一遍了,等我回去看看,找点感觉^_^