本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
這項工作回應了詹姆斯·麥卡利斯特對有效複雜性的批評，根據該批評，這種概念不是資訊內容的適當衡量標準。粗略地說，有效複雜性關注的是數據的規律性，而不是整個數據，而不是演算法複雜性。麥卡利斯特的論點表明，由於給定物件的相關規則集不是唯一的，因此無法為所考慮的表達式分配有效複雜性的唯一值，因此，演算法複雜性比有效複雜性更好地充當資訊的度量。我們接受麥卡利斯特提出的關於唯一性的問題，但不會否認，如果可以適當地定義上下文，原則上可以找到有效複雜性的唯一值。考慮到這一點，有效的複雜性不僅可以為被調查的實體提供信息，而且還可以為調查本身提供資訊。此外，我們認為有效複雜性是一個有趣的知識論概念，可以應用於更好地理解與上下文依賴相關的關鍵問題，例如理論選擇和湧現。這些應用程式的可用性不僅取決於演算法的複雜性。