我听到的反对函数式语言的一个论点是，单一赋值编码太难了，或者至少比“普通”编程困难得多。
但是通过我的代码，我意识到我真的没有很多（任何？）使用模式，如果你用一种相当现代的语言编写的话，这些模式不能用单一的赋值形式来编写。
那么在一次调用范围内变化的变量的用例是什么？请记住，在这种情况下，循环索引、参数和其他在调用之间变化的范围绑定值不是多重赋值（除非您出于某种原因必须在正文中更改它们），并假设您正在编写一些东西远远高于汇编语言级别，您可以在其中编写诸如
values.sum
或（如果未提供总和）
function collection.sum --> inject(zero, function (v,t) --> t+v )
和
x = if a > b then a else b
或者
n = case s
/^\d*$/ : s.to_int
'' : 0
'*' : a.length
'?' : a.length.random
else fail "I don't know how many you want"
当您需要时，并有列表推导、地图/收集等可用。
您是否发现在这样的环境中您仍然想要/需要可变变量，如果是，那是为了什么？
澄清一下，我不是要求背诵对 SSA 表格的反对意见，而是要求这些反对意见适用的具体示例。我正在寻找带有可变变量的清晰简洁的代码，没有它们就无法编写。
到目前为止我最喜欢的例子（以及我期望的最好的反对意见）：
Paul Johnson 的Fisher-Yates 算法答案，当您包含大 O 约束时，它非常强大。但是，正如 catulahoops 指出的那样，big-O 问题与 SSA 问题无关，而是与可变数据类型有关，并且将这些放在一边，算法可以在 SSA 中相当清楚地编写：
shuffle(Lst) -> array:to_list(shuffle(array:from_list(Lst), erlang:length(Lst) - 1)). shuffle(Array, 0) -> Array; shuffle(Array, N) -> K = random:uniform(N) - 1, Ek = array:get(K, Array), En = array:get(N, Array), shuffle(array:set(K, En, array:set(N, Ek, Array)), N-1).jpalecek 的多边形面积示例：
def area(figure : List[Point]) : Float = { if(figure.empty) return 0 val last = figure(0) var first= figure(0) val ret = 0 for (pt <- figure) { ret+=crossprod(last - first, pt - first) last = pt } ret }这可能仍然写成：
def area(figure : List[Point]) : Float = { if figure.length < 3 0 else var a = figure(0) var b = figure(1) var c = figure(2) if figure.length == 3 magnitude(crossproduct(b-a,c-a)) else foldLeft((0,a,b))(figure.rest)) { ((t,a,b),c) => (t+area([a,b,c]),a,c) }或者，由于有些人反对这个公式的密度，它可以被改写：
def area([]) = 0.0 # An empty figure has no area def area([_]) = 0.0 # ...nor does a point def area([_,_]) = 0.0 # ...or a line segment def area([a,b,c]) = # The area of a triangle can be found directly magnitude(crossproduct(b-a,c-a)) def area(figure) = # For larger figures, reduce to triangles and sum as_triangles(figure).collect(area).sum def as_triangles([]) = [] # No triangles without at least three points def as_triangles([_]) = [] def as_triangles([_,_]) = [] def as_triangles([a,b,c | rest) = [[a,b,c] | as_triangles([a,c | rest])]Princess 关于用不可变结构实现 O(1) 队列的困难的观点很有趣（并且很可能为一个令人信服的例子提供基础），但正如所述，它基本上是关于数据结构的可变性，而不是直接关于多重分配问题.
我对埃拉托色尼筛法的答案很感兴趣，但不相信。在他引用的论文中给出的合适的 big-O，提取尽可能多的素数生成器在使用或不使用 SSA 的情况下看起来都不容易正确实现。
嗯，谢谢大家的尝试。由于大多数答案要么是 1）基于可变数据结构，而不是基于单一赋值，以及 2）它们是关于单一赋值形式的，因此本领域技术人员很容易反驳，我将从我的演讲和/或重组中划出界限（也许可以将其作为讨论主题作为备用，以防万一我在时间用完之前用完了单词）。
再次感谢。