76、数学公理与大基数公理探讨

数学公理与大基数公理探讨

接受公理的含义

在探讨数学公理时,一个人所接受为真的事实集合过于复杂,难以形式化。我们大脑中的信息结构极为复杂,若严格运用逻辑,甚至可能发现其存在不一致性。不过,这种复杂性和可能的不一致性与数学假设的逻辑强度并无关联。

要确定数学事实的逻辑强度,我们无需考虑一个人所知的所有定理,只需关注其使用的公理。比如,我们可以直接询问一个人相信集合论中的哪些公理,以此了解其数学假设的强度。若仅依据这些公理,而非其全部知识,构造哥德尔句子也会相对简单。

然而,一个人所相信的公理并非精确界定的。数学家通常会称其假设就是策梅洛 - 弗兰克尔集合论(ZFC)的公理,但当被问及是否接受 Con(ZFC) 为真时,他们也会给予肯定答复,并且对于 Con(ZFC + Con(ZFC)) 等类似问题,答案同样如此。

一些数学哲学家认为人类拥有某种高级能力,使其能够识别真理。但这并非科学的解释,实际上,若数学家将某个集合论(或其他理论)T 作为数学基础,他们会默认 T 是可靠的。因为若 T 可靠,那么诸如 T + Con(T) 这样的扩展理论也会是可靠的。若假设算术可靠性,我们还能得到所有反射原理,甚至是它们的迭代。

当我们进一步询问数学家,其假设是否能用 ZFC + ArithSound(ZFC) 来刻画时,他们可能会表示不理解或不在意。若他们认可这一表述,我们又会面临新问题:表达其理论一致性的句子 Con(ZFC + ArithSound(ZFC)) 是否为真?此时,仅假设 ZFC 具有算术可靠性已不足够,因为 ArithSound(ZFC) 并非算术句子,我们需要更高阶的可靠性概念,这会使我们逐渐深入集合论,情况也会变得愈发模糊。

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值