函数式编程的基石 —— Lambda Calculus(Functional Programming)
Posted Kotlin 开发者社区
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了函数式编程的基石 —— Lambda Calculus(Functional Programming)相关的知识,希望对你有一定的参考价值。
Y 组合子函数
Lambda calculus :λ 定义
Lambda calculus我们一般称为λ演算,最早是由邱奇(Alonzo Church,图灵的博导)在20世纪30年代引入,当时的背景是解决函数可计算的本质性问题,初期λ演算成功的解决了在可计算理论中的判定性问题,后来根据Church–Turing thesis,证明了λ演算与图灵机是等价的。
通过 lambda , currying, closure, alpha, beta 可以定义出一个"完备"的计算体系.
在此之上,我们可以构造出任意复杂的程序.
在lambda演算中,函数是一等公民。可以把函数作为参数传入或返回,把函数赋值给一个变量等等。
要描述一个形式系统,我们首先需要约定用到的基本符号,对于本系列所介绍的lambda演算,其符号集包括λ
.
()
和变量名(x, y, z, etc.
)。
1. λ 表达式/项
<expr> ::= <constant>
| <variable>
| (<expr> <expr>)
| (λ <variable>.<expr>)
其中:
<constant>可以是诸如0、1这样的数字,或者预定义的函数: +、-、*等。
<variable>是x、y等这样的名字。
(<expr> <expr>)表示函数调用。左边的为要调用的函数,右边的为参数。
(λ <variable>.<expr>)被称为lambda抽象(lambda abstraction),用以定义新的函数。
例如:
lambda <参数> : <函数体>
这个定义可以应用到参数上,进行求值。
(lambda x : x + x)(5)
10
(lambda x : (lambda y : x + y))(1)(2)
3
y = 2
(lambda x : x + y)(4)
6
a = 1
(lambda a : a + 1)(2)
3
Beta 规则:
f = (lambda y : (lambda x : x + y))(5)
f(2)
7
f(1)
6
这个例子中, lambda x, y 将x 应用到 y 上. 其中 x 替换成 lambda x : x * x , y 替换成 3.
Beta的严格定义如下:
lambda x . B e = B[x := e] if free(e) /subset free(B[x := e]
这条规则是为了保证出现命名冲突的时候,先进行 alpha 替换,然后再应用 beta 简化.
在lambda演算中只有三种合法表达式(λ-expression or λ-term)存在:
变量(Variable)
形式:x
变量名可能是一个字符或字符串,它表示一个参数(形参)或者一个值(实参)。
e.g.z
var
抽象(Abstraction)
形式:λx.M
它表示获取一个参数x并返回M的lambda函数,M是一个合法lambda表达式,且符号λ
和.
表示绑定变量x于该函数抽象的函数体M。简单来说就是表示一个形参为x的函数M。
e.g.λx.y
λx.(λy.xy)
前者表示一个常量函数(constant function),输出恒为y与输入无关;后者的输出是一个函数抽象λy.xy
,输入可以是任意的lambda表达式。
注意:一个lambda函数的输入和输出也可以是函数。
应用(Application)
形式:M N
它表示将函数M应用于参数N,其中M、N均为合法lambda表达式。简单来说就是给函数M输入实参N。
e.g.(λx.x) y
,(λx.x) (λx.x)
前者表示将函数λx.x
应用于变量y
,得到y
;后者表示将函数λx.x
应用于λx.x
,得到λx.x
。函数λx.x
是一个恒等函数(identity function),即输入恒等于输出,它可以用 I 来表示。
这时候可能就有人纳闷儿了,(λx.x) y
意义很明确,但λy.xy
为什么代表函数抽象而不是将函数λy.x
应用于y
的函数应用呢?
为了消除类似的表达式歧义,可以多使用小括号,也有以下几个消歧约定可以参考:
一个函数抽象的函数体将尽最大可能向右扩展,即:
λx.M N
代表的是一个函数抽象
λx.(M N)
而非函数应用
(λx.M) N
函数应用是左结合的,即:
M N P
意为
(M N) P
而非
M (N P)
2. 自由变量和绑定变量
前面提到在函数抽象中,形参绑定于函数体,即形参是绑定变量,相对应地,不是绑定变量的自然就是自由变量。咱们来通过几个例子来理解这个关系:
λx.xy
:其中x是绑定变量,y是自由变量;(λy.y)(λx.xy)
:这个表达式可以按括号划分为两个子表达式M和N,M的y是绑定变量,无自由变量,N的x是绑定变量,y是自由变量且与M无关;λx.(λy.xyz)
:这个表达式中的x绑定于外部表达式,y绑定于内部表达式,z是自由变量。
由于每个lambda函数都只有一个参数,因此也只有一个绑定变量,这个绑定变量随着形参的变化而变化。
我们用FV来表示一个lambda表达式中所有自由变量的集合,如:
FV(λx.xy) = {y}
FV((λy.y)(λx.xy))
= FV(λy.y) ∪ FV(λx.xy) = {y}
FV(λx.(λy.xyz))
= FV(λy.xyz) x
= {x,z} x
= {z}
3. 柯里化(Currying)
有时候我们的函数需要有多个参数,这太正常不过了,但是lambda函数只能有一个参数怎么办?解决这个问题的方法就是柯里化(Currying)。
柯里化是用于处理多参数输入情况的方法,我们已经知道一个lambda函数的输入和输出也可以是函数,那么基于它,可以把多参数函数和单参数函数做以下转换:
currying: λx y.xy = λx.(λy.xy)
外层函数接受一个参数x返回一个函数λy.xy
,这个返回函数(内层函数)又接受一个参数y返回xy,x绑定于外层函数,y绑定于内层函数,这样我们就在满足lambda函数只接受一个参数的约束下实现了多参数函数的功能,这就是柯里化,而λx y.xy
称为λx.(λy.xy)
的缩写,为了方便表达,后续会常常出现λx y.xy
这样的书写方式,需要谨记它只是缩写写法。
lambda | λ 归约
我们已经知道了lambda表达式的基本定义与语法,下面将介绍如何对一个lambda表达式进行归约(reduction)。
1. beta | β 归约
对于一个函数应用(λx.x) y
,它意为将函数应用λx.x
应用于y
,等价于x[x:=y]
,即结果是y
。在这个过程中,(λx.x) y ≡ x[x:=y]
一步就叫做beta归约,x[x:=y] ≡ y
一步称作替换(substitution),[x:=y]
意为将表达式中的自由变量x
替换为y
。
替换
形式:E[V := R]
意为将表达式
E
中的所有 “自由变量”V
替换为表达式R
。对于变量x,y
和lambda表达式M,N
,有以下规则:
x[x := N] ≡ N
y[x := N] ≡ y //注意 x ≠ y
(M1 M2)[x := N] ≡ (M1[x := N]) (M2[x := N])
(λx.M)[x := N] ≡ λx.M //注意 x 是绑定变量无法替换
(λy.M)[x := N] ≡ λy.(M[x := N]) //注意 x ≠ y, 且表达式N的自由变量中不包含 y 即 y ∉ FV(N)
beta归约
形式:β: ((λV.E) E′) ≡ E[V := E′]
其实就是用实参替换函数体中的形参,也就是函数抽象应用(apply)于参数的过程啦,只不过这个参数除了是一个变量还可能是一个表达式。
细心的话可以注意到,替换规则中特别标注了一些x ≠ y
或者y ∉ FV(N)
等约束条件,它们的意义在于防止lambda表达式的归约过程中出现歧义。
比如以下过程:
(λx.(λy.xy)) y
= (λy.xy)[x:=y] //beta归约:注意 y ∈ FV(y) 不满足替换的约束条件
= λy.yy //替换:绑定变量y与自由变量y同名出现了冲突
可以看出在不满足约束条件的情况强行替换造成了错误的结果,那么对于这种情况该如何处理呢?那就需要alpha转换啦。
2. alpha | α 转换
这条规则就是说,一个lambda函数抽象在更名绑定变量前后是等价的,即:
α: λx.x ≡ λy.y
其作用就是解决绑定变量与自由变量间的同名冲突问题。
那么对于上面的那个错误归约过程就可以纠正一下了:
(λx.(λy.xy))y
= (λy.xy)[x:=y] //beta归约:注意 y ∈ FV(y) 不满足替换的约束条件
= (λz.xz)[x:=y] //alpha转换:因为绑定变量y将与自由变量x(将被替换为y)冲突,所以更名为z
= λz.yz
Perfect!这样对于lambda演算最基础的定义与归约规则已经介绍完毕了,虽然内容很简单,但是却很容易眼高手低,要试着练习喔。
3. eta | η 归约
灵活运用alpha和beta已经可以解决所有的lambda表达式归约问题,但是考虑这样一个表达式:
λx.M x
将它应用于任意一个参数上,比如(λx.M x) N
,进行beta归约和替换后会发现它等价于M N
,这岂不是意味着
λx.M x ≡ M
没错,对于形如λx.M x
,其中表达式M
不包含绑定变量x
的函数抽象,它是冗余的,等价于M
,而这就是eta归约,它一般用于清除lambda表达式中存在的冗余函数抽象。
[https://www.jianshu.com/p/ebae04e1e47c]
λ演算的语法与求值
语法(syntax)
因为λ演算研究的是函数的本质性问题,所以形式极其简单:
E = x variables
| λx. E function creation(abstraction)
| E1 E2 function application
上面的E称为λ-表达式(expressions)或λ-terms,它的值有三种形式:
变量(variables)。
函数声明或抽象(function creation/abstraction)。需要注意是的,函数中有且仅有一个参数。在λx. E中,x是参数,E是函数体
函数应用(function application)。也就是我们理解的函数调用,但官方术语就叫函数应用,本文后面也会采用“应用”的叫法。
λ表达式例子
上面就是λ演算的语法了,下面看几个例子:
恒等函数:
λx.x
一个返回恒等函数的函数:
λy. (λx.x)
可以看到,这里的y参数直接被忽略了。
在使用λ演算时,有一些惯例需要说一下:
函数声明时,函数体尽可能的向右扩展。什么意思呢,举个例子大家就明白了:
λx.x λy.x y z
应该理解为
λ x. (x (λy. ((x y) z)))
函数应用时,遵循左结合。在举个例子:
x y z
为
(x y) z
Currying:带有多个参数的函数
从上面我们知道,λ演算中函数只有一个参数,那两个参数的函数的是不是就没法表示了呢,那λ演算的功能也太弱了吧,这就是λ的神奇之处,函数在本质上只需要一个参数即可。如果想要声明多个参数的函数,通过currying技术即可。下面来说说currying。
λx y. (+ x y)
=>
λx. (λ y. + x y)
上面这个转化就叫currying,它展示了,我们如何实现加法(这里假设+这个符号已经具有相加的功能,后面我们会讲到如何用λ表达式来实现这个+的功能)。
其实就是我们现在意义上的闭包——你调用一个函数,这个函数返回另一个函数,返回的函数中存储保留了调用函数的变量。currying是闭包的鼻祖。
如果用Python来表示就是这样的东西:
def add(x):
return lambda y: x+y
add(4)(3) //return 7
如果用函数式语言clojure来表示就是:
(defn add [x]
(fn [y] (+ x y)))
((add 4) 3) ;return 7
求值(evaluation)
在λ演算中,有两条求值规则:
Alpha equivalence( or conversion )
Beta reduction
Alpha equivalence
这个比较简单也好理解,就是说λx.x与λy.y是等价的,并不因为换了变量名而改变函数的意义。
简单并不说这个规则不重要,在一些变量覆盖的场合很重要,如下这个例子:λx. x (λx. x)
如果你这么写的话,第二个函数定义中的x与第一个函数定义中的x重复了,也就是在第二个函数里把第一个的x给覆盖了。
如果改为λx. x (λy. y)
就不会有歧义了。
Beta reduction
这个规则是λ演算中函数应用的重点了。一句话来解释就是,把参数应用到函数体中。举一个例子:
有这么一个函数应用(λx.x)(λy.y)
,在这里把(λy.y)
带入前面函数的x中,就能得到最终的结果(λy.y)
,这里传入一个函数,然后又返回一个函数,这就是最终的结果。
考虑下面这个函数应用:
(λ y. (λ x. x) y) E
有两种计算方法,如下图
evaluation-order
可以先计算内层的函数调用再计算外层的函数调用,反之也可。
根据Church–Rosser定理,这两种方法是等价的,最终会得到相等的结果,如上图最后都得到了E。
但如果我们要自己实现一种语言,就有可能必选二选其一,于是有了下面两种方式:
Call by Value(Eager Evaluation及早求值)
也就是上图中的inner,这种方式在函数应用前,就计算函数参数的值。如:
(λy. (λx. x) y) ((λu. u) (λv. v))
(λy. (λx. x) y) (λv. v)
(λx. x) (λv. v)
λv. v
Call by Name (Lazy Evaluation惰性求值)
也就是上图中的outer,这种方式在函数应用前,不计算函数参数的值,直到需要时才求值。如:
(λy. (λx. x) y) ((λu. u) (λv. v)) --->
(λx. x) ((λu. u) (λv. v)) --->
(λu. u) (λv. v) --->
λv. v
值得一提的是,Call by Name这种方式在我们目前的语言中,只有函数式语言支持。
λ演算与编程语言的关系
在λ演算中只有函数(变量依附于函数而有意义),如果要用纯λ演算来实现一门编程语言的话,我们还需要一些数据类型,比如boolean、number、list等,那怎么办呢?
λ的强大又再一次展现出来,所有的数据类型都能用函数模拟出来,秘诀就是不要去关心数据的值是什么,重点是我们能对这个值做什么操作
,然后我们用合法的λ表达式把这些操作表示出来即可。
听上去很些云里雾里,但看了我下面的讲解以后,你会发现,编程语言原来还可以这么玩,希望我能把这部分讲清楚些,个人感觉这些东西太funny了 :-)
好了,我们先从最简单——boolean的开始。
Boolean
Ask:我们能对boolean值做什么?
Answer:我们能够进行条件判断,二选其一。
好,知道了能对boolean的操作,下面就用λ表达式来定义它:
true = λx. λy. x
false = λx. λy. y
if E1 then E2 else E3 = E1 E2 E3
来简单解释一下,boolean就是这么一个函数,它有两个参数(通过currying实现),返回其中一个。下面看个例子:
if true then u else v
可以写成
(λx. λy. x) u v
(λy. u) v
u
自然数
Ask:我们能对number做什么?
Answer:我们能够依次遍历这些数字
好,知道了能对number的操作,下面就用λ表达式来定义它:
0 = λf. λs. s
1 = λf. λs. f s
2 = λf. λs. f (f s)
......
解释一下,利用currying,我们知道上面的定义其实相当于一个具有两个参数的函数:一个函数f,另一个是起始值s,然后不断应用f实现遍历数字的操作。先不要管为什么这么定义,看了下面我们如何定义加法乘法的例子你应该就会豁然开朗了:
首先我们需要定义一个后继函数(The successor function):
succ n = λf. λs. f (n f s)
例子——1+1
:
add 1 1
1 succ 1
succ 1
λf. λs. f (f s)
2
例子,2*2
:
mult 2 2 --->
2 (add 2) 0 --->
(add 2) ((add 2) 0) --->
2 succ (add 2 0) --->
2 succ (2 succ 0) --->
succ (succ (succ (succ 0))) --->
succ (succ (succ (λf. λs. f (0 f s)))) --->
succ (succ (succ (λf. λs. f s))) --->
succ (succ (λg. λy. g ((λf. λs. f s) g y)))
succ (succ (λg. λy. g (g y)))
--->......
---> λg. λy. g (g (g (g y))) = 4
如果想要判断一个数字是否为0,可以这么定义
iszero n = n (λb. false) true
λ-演算与图灵机
λ-演算与图灵机是等价:
在一个不限时间、不限资源的前提下,图灵机通过前进、后退、跳转、输出1或0这四个简单的命令,在一条无限长的纸带上执行事先编好的程序。
根据目前的证明,图灵机是宇宙间最强大的机器(理想中的),我们现有的计算机都没有超过图灵机。
如果说一个语言是图灵完备的,就是说,世界上任何可计算性问题,它都能解决。
我们现有的命令式语言,如C、Java等就是以图灵机为基础的。如果说这些语言图灵完备,需要具有以下两个特征:
有if、goto语句(或while、for之类的循环语句)
能够进行赋值操作(也就是改变内存状态)
与图灵机对应,λ-演算奠定了函数式编程语言的基础,如Lisp、Haskell等,如果说这些函数式语言图灵完备,需要有以下两个特征:
能够进行函数抽象(也就是函数定义)
能够进行函数应用(也就是函数调用)
鉴别一个语言是不是函数式的标准是:这个语言能否在运行时创建函数,如果能,就是函数式语言。
λ演算的精髓之处,就是通过一套形式化的规则来描述“计算”。要知道,这里面的很多东西我们现如今想当然的接受了,但如何让笨重的计算机来理解这个世界呢,这就需要这些形式化的规则来指导了。
我们现在的编程语言趋向于多范式化,像java8,scala,kotlin,python、ruby等等。因为纯函数式语言不能改变变量状态,这个恐怕在很多场合不适用吧。纯OO也不好,因为我们大多数程序员,都是用OO的语言来写过程式的程序,看看大家有多少Helper类,Util类就明白了。
以上是关于函数式编程的基石 —— Lambda Calculus(Functional Programming)的主要内容,如果未能解决你的问题,请参考以下文章
Java响应式编程Springboot WebFlux基础与实战
Java8函数式接口编程lambda表达式FunctionalInterface注解SupplierConsumerPredicateFunction函数式接口