文章编号:1000-8934(2000)09-0042-04
科技成果转化的概念、评价与复杂性吴 国 林
(华南理工大学 社会科学系,广州 510641)
收稿日期:2000-03-10
基金项目:本研究受华南理工大学人文社会科学研究项目(127-N70370)和1999年广东省高教厅“高校‘两课’科研课题”(第6号)资助
作者简介:吴国林(1963-),男,四川营山人,副教授,哲学博士,研究方向:知识经济,科技、经济与社会
的整合研究,开放实在论。摘要:本文反思了科技成果转化概念与生产力概念,论证了科学是直接实现的生产力,讨论科
技成果的评价问题,最后,从经济系统的复杂性角度分析科技成果转化的复杂性。
关键词:科技成果转化;生产力;评价;复杂性
中图分类号:N031 文献标识码:A
科技成果转化始终是我国一个极为重要的问题,
多年来受到了各级政府和学者的广泛重视,但仍然存
在许多问题。在我看来,有必要从理论层面对科技成
果的转化问题进行思考。本文反思了生产力概念、科
技成果转化的概念,分析了科技成果的评价问题,还
从复杂性的角度探讨了科技成果的转化问题。
1 生产力与科技成果转化概念
我们首先厘清“生产力”这一基本概念。经过恩
格斯亲自校正的《资本论》英文版中“生产力”一词,
是“productivepower”。而汉译的《资本论》对生产力和
生产率(productiveness)的翻译是不统一的〔1〕。物理
学上使用的“力”,在英文中用的是“force”。而force
和power是同义词,power着重于潜在的或施加的身
体的、精神的作用或被作用的能力,而force则是能力
power的实际的和有效的实施。
从科技史和经济史比较不难看出,政治经济学
中“生产力”概念的提出直接受到力学范式的影响。
牛顿的《自然哲学之数学原理》发表于1687年,而在
西方经济学说史上,第一个明确提出“生产力”概念
的是魁奈,生于1694年,受过良好的教育,他在近60岁时才研究政治经济学。亚当・斯密发表的《国富
计算概论知识点总结
一、基本概念
1. 计算概论的概念
计算概论是一门研究计算的基本理论和方法的学科。它是计算机科学的基础，包括了算法、数据结构、分析技术、计算复杂性理论等内容。计算概论的研究对象是计算的过程和方法，它研究计算机问题的抽象和形式化描述、计算机问题的求解方式、计算机问题求解的复杂性以及计算机问题求解的效率等问题。
2. 算法的概念
算法是解决问题的一种有序的数学过程，它包括了从问题描述到问题求解的所有步骤。算法是对问题求解的精确描述，是计算机问题求解的基础，因此算法的设计和分析是计算概论中的重要内容。
3. 数据结构的概念
数据结构是一种用来组织和存储数据的方式，它包括了数据的逻辑组织和物理存储。数据结构是算法的载体，它的设计和选择对算法的效率有很大的影响，因此数据结构的研究也是计算概论的重要内容之一。
4. 复杂性理论的概念
复杂性理论是研究计算问题的复杂性和可解性的学科。它研究计算问题求解的时间和空间资源的需求与问题规模之间的关系，同时也研究计算问题的难解性和不可解性等问题。
二、算法分析
1. 时间复杂度
算法的时间复杂度是描述算法在求解问题时所需的时间资源的度量。它通常用算法的基本操作数量与问题规模的关系来描述。时间复杂度是算法效率的重要指标，它决定了算法在不同规模的问题上所需的时间资源。
2. 空间复杂度
算法的空间复杂度是描述算法在求解问题时所需的空间资源的度量。它通常用算法所需的额外空间与问题规模的关系来描述。空间复杂度是算法效率的另一个重要指标，它决定了算法在不同规模的问题上所需的空间资源。
3. 算法的渐进分析 算法的渐进分析是描述算法复杂度的一种常用方法，它用来描述算法在问题规模趋近无穷时的复杂度情况。渐进分析包括了最坏情况复杂度、平均情况复杂度和均摊情况复杂度等。
4. 算法的正确性
算法的正确性是指算法对于所有输入数据都能得到正确的输出。算法正确性是算法设计的基本要求，同时也是算法分析的关键内容。
1066 浅谈计算复杂性理论
任忠
乌鲁木齐石化公司计控中心
摘 要：本文阐述了计算复杂性理论的产生、定义、研究内容和发展。
关键词：算法分析；计算复杂性；起源；发展
1. 计算法复杂性理论的起源
在几千年的数学发展中，人们研究了各式各样的计算，创立了许多算法。但是，以计算或算法本身的性质为研究对象的数学理论，却是在20世纪30年代才发展起来的。
1936年， 为了讨论对于每个问题是否都有求解算法，数理逻辑学家提出了几种不同的计算模型的定义。K.Godel和S.C.Kleene等人创立了递归函数论，将数论函数的算法、可计算性刻画为递归可枚举性。A.M.Turing和E.L.Post提出了理想计算机的概念，将问题算法可解性刻画为在具有严格定义的理想计算机上的可解性。40年代以后，随着计算机科学技术的发展，研究的焦点从理论可计算法转移到现实可计算性上。人们不仅需要研究理论上的、原则上的可计算性， 还要研究现实的可计算性，即研究计算一个问题类需要多少时间，多少存储空间，研究哪些问题是现实可计算的，哪些问题虽然原则上可计算，但由于计算的量太大 而实际上无法计算等。因而一般算法设计方法研究和对一类问题算法解的难度分析便成为计算机科学的热点。此后，计算复杂性的研究等不断有所发展。由此产生了算法学和计算复杂性理论等新兴研究领域。
计算复杂性大的进展始于50年代末、60年代初，当时在美国有两个并行的中心，一个是通用电气公司设立于纽约州Schenectady的研究实验室，核心人物是J.Hartmanis和R.Stearns。1964年11月，他们在普林斯顿举行的第五届开关电路理论和逻辑设计学术年会上发表了论 文"Computational Complexity of recursivese quences"，论文中首次使用了"计算复杂性"这一术语，由此开辟了计算机科学中的一个新领域，并为之奠定了理论基础。他们两人是1993年度 图灵奖获得者。另一个中心是麻省理工学院MIT，在那里，加州大学伯克利分校著名的计算机科学家Manuel Blum与前述两人互相独立地进行着相关问题的研究，并完成了他的博士论文："Amachine independent theory of the complexity of recur-
２０１０年第ｌ３期 计算机光盘软件与应用 Ｃｏｍｐｕｔｅｒ ＣＤ Ｓｏｆｔｗａｒｅ ａｎｄ Ａｐｐｌ ｉｃａｔｉｏｎｓ 工程技术 社会经济系统复杂性量化分析与可计算管理概念模型 李卓君 （武汉商业服务学院，武汉４３００５６） 摘要：针对一般社会经济系统复杂性的定量测度和管理问题，提出了复杂性可计算管理的概念模型，在此基础上， 对复杂性可计算管理的一般实施步骤给出了具体操作建议，为社会经济系统复杂性的量化分析和优化控制提供了一般指导 原则和实现途径。 关键词：社会经济系统；复杂系统；复杂性；复杂性度量；可计算管理 中图分类号：ＴＰ３１５ 文献标识码：Ａ 文章编号：１００７—９５９９（２０１０）１３—００５９—０２ Ｓｏｃｉａｌ Ｅｃｏｎｏｍｉｃ Ｓｙｓｔｅｍｓ Ｃｏｍｐｌｅｘｉｔｙ Ｑｕａｎｔｉｔａｔｉｖｅ Ａｎａｌｙｓｉｓ ａｎｄ Ｃｏｍｐｕｔａｂｌｅ Ｍａｎａｇｅｒｉａｌ Ｃｏｎｃｅｐｔｕａｌ Ｍｏｄｅｌ Ｌｉ Ｚｈｕｏｊｕｎ （Ｗｕｈａｎ Ｃｏｍｍｅｒｃｉａｌ Ｓｅｒｖｉｃｅ Ｃｏｌｌｅｇｅ，Ｗｕｈａｎ ４３００５６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ａｉｍｓ ｔｏ ｑｕａｎｔｉｔａｔｉｖｅ ｍｅａｓｕｒｅ ａｎｄ ｍａｎａｇｅｒｉａｌ ｐｒｏｂｌｅｍｓ ｏｆ ｇｅｎｅｔｉｃ ｓｏｃｉａｌ ｅｃｏｎｏｍｉｃ ｓｙｓｔｅｍｓ．Ａ ｃｏｎｃｅｐｔｕａｌ ｍｏｄｅｌ ｏｆ ｃｏｍｐｌｅｘｉｔｙ ｃｏｍｐｕｔａｂｌｅ ｍａｎａｇｅｍｅｎｔ（ＣＣＭ）ｉｓ ｐｒｏｐｏｓｅｄ．Ｂａｓｅｄ ｏｎ ｔｈｉｓ ｍｏｄｅｌ，ｇｅｎｅｒ￣ｍａｎｉｐｕｌａｔｉｏｎ ｓｔｅｐｓ ｏｆ ＣＣＭ ａｒｅ ｓｕｇｇｅｓｔｅｄ ｅｘｐｌｉｃｉｔｌｙ．Ｗｅ ａｎｔｉｃｉｐａｔｅ ｔｈｉｓ ａｐｐｒｏａｃｈ ｃａｎ ｐｒｏｖｉｄｅ ｓｏｍｅ ｇｅｎｅｔｉｃ ｇｕｉｄｅｌｉｎｅ ｐｒｉｎｃｉｐｌｅｓ ａｎｄ ｉｍｐｌｅｍｅｎｔ ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｔｈｅ ｃｏｍｐｌｅｘｉｔｙ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ ａｎｄ ｃｏｎｔｒｏｌ ａｎｄ ｏｐｔｉｍａｌ ｐｕｒｐｏｓｅｓ ｏｆ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｓｏｃｉａｌ ｅｃｏｎｏｍｉｃ ｓｙｓｔｅｍｓ． Ｋｅｙｗｏｒｄｓ：Ｓｏｃｉａｌ Ｅｃｏｎｏｍｉｃ Ｓｙｓｔｅｍｓ；Ｃｏｍｐｌｅｘ Ｓｙｓｔｅｍｓ；Ｃｏｍｐｌｅｘｉｔｙ；Ｃｏｍｐｌｅｘｉｔｙ ｍｅａｓｕｒｅ；Ｃｏｍｐｕｔａｂｌｅ Ｍａｎａｇｅｍｅｎｔ 一、引言 人类正面临着政治、经济、社会、技术、工程、环境、文化 等诸多领域的复杂性问题的挑战，复杂性是我们这个真实世界的 个基本特征，复杂性往往和复杂系统联系在一起，通常认为复 杂系统具有组分多样化、相互关联和作用复杂等基本特征，一个 小小的事故可能引发极为严重的、不可预知的灾难性后果。复杂 性是复杂性科学的一个基本概念，试图给出一个一般的普遍接受 的定义是非常困难的。文献［１］详细分析了复杂性在日常语言、哲 学和科学三种语境中的语义，阐述了复杂性概念的多义性和模糊 性，指出造成这种现象的原因是没有人们共同接受的度量复杂性 的标尺和框架。雷舍尔［２］从哲学层面，对复杂性模型进行了较为 全面的总结，他认为复杂性模型应由认识论和本体论构成。从科 学层面来讲，复杂性很容易同“涌现”、“混沌”等概念混淆。谢 惠民［３］从数学（非线性科学）的角度较为完整地综述了若干刻画 动力系统复杂性的度量；金士尧等人［４］等从计算机科学的角度， 着重对算法复杂性和统计复杂性的内涵进行了阐述。 现有的复杂性度量大多是针对自然物理系统的，对于工程技 术系统、社会经济系统等这类人工复杂系统，系统的动态性、层 次性、异质性、开放性、非线性等特征表现得更加突出，对于这 类系统复杂性的定量化研究往往更加困难。这类系统复杂性的度 量的基本思路是：首先从复杂性的概念出发，然后以这个概念为 基础，采用相应的研究路线（理论分析、实证研究或者计算机模 拟）来建立度量方法。 二、复杂性可计算管理概念模型 （一）系统复杂性的含义 综合现有的研究成果，本文认为，任何系统都具有一个内生 的复杂性，即具有一个与认识的主体无关的内在的复杂性，内生 复杂性是一个同质量、速度、频率相类似的物理量，是系统的客 观属性。内生复杂性，取决于系统本身的特征和状态。而认知主 体在判断系统的复杂性的时候，不仅受系统内生复杂性的影响， 还与系统所处环境的不确定性和主体的认知能力两者密切相关。 本文将系统认知复杂性定义为由系统内生复杂性、系统所处环境 的不确定性和主体的认知能力三者共同作用而产生的人们认知、 ５９一 理解以及处理上的困难的主观感受。而复杂度是对系统复杂性大 小进行评价的一个数字量，一般而言，系统的内生复杂性越大、 系统所处环境的不确性越高，系统认知主体的认知能力越强，得 到的系统认知复杂度的值愈大：反之，系统的内生复杂性越小、 系统所处环境的不确性越低，系统认知主体的认知能力越差，则 得到的系统认知复杂度的值愈小。系统内生复杂性是系统的客观 属性，不以人的主观意志为转移，而系统认知复杂性与认知主体 密切相关。 （二）复杂性可计算管理的基本原理 所谓复杂性的可计算管理，就是寻求适当的计算方法，对系 统的内生复杂性进行合理的控制，方法既要体现被研究对象复杂 性的本质特征，又要具有合理性和可操作性。复杂性管理的一个 基本原理是，系统的内生复杂性过高过低都不好，较理想的复杂 性存在一个阈值，当系统低于这个阈值，则系统适应性较差，系 统的适应进化过程僵化，活力不足，发展速度缓慢，需要适当改 进系统的结构和功能，提升系统对外界刺激反应的灵敏度，提高 系统的内生复杂性，有利于系统的自组织、进化和创新，涌现出 新的功能和更高的适应性；反之，当系统内生复杂性高于这个闽 值，则系统要素的关联复杂程度和相互作用强度过高，系统的稳 健降低，系统变得脆弱，小的扰动也可能引发不可预计的灾难事 件，系统的行为将变得不可预测，系统变得难以管理和控制，这 时需要通过改进系统的结构和功能来达到降低系统内生复杂性的 目的。 三、复杂性可计算管理的一般步骤 复杂性可计算管理强调实施的可操作性和规范性，其基本流 程，可分为定义、测量、分析、控制与改进四个阶段。各个阶段 内容如下： （一）定义阶段：第ｌ步，定义出复杂性评估的各种指标； 第２步，明确需求，对被研究的大型工程对象，明确关键需求， 确定需要研究的问题；第３步，选取分析变量，对被研究的系统 进行分析，明确系统的组成要素与要素之间的关联，从中选取出 若干反映系统状态的变量； （下转第５８页）
