根据程序员Paul Khuong在2012年的一篇博客文章，fixed point theory —— 这一来源于数学和计算机科学的概念 —— 为理解学生工会的集体决策提供了意想不到的视角。核心思想在于求解形如x = f(x)的方程的解，这类解被称为fixed point。当处理monotone函数 —— 那些保持顺序的函数 —— 时，Tarski's fixed point theorem保证，当定义域形成complete lattice时，既存在least fixed point也存在greatest fixed point。在编程领域，这一理论体现在例如编译器中的dead value elimination问题上。Khuong指出，当被要求识别代码中无用的变量时，许多人直觉地从假设所有值都是活跃的（被使用）开始，然后剔除仅计算无用值的那些变量。然而，这种方法收敛于greatest fixed point，而实际所期望的是least fixed point —— 即可删除计算的最大集合。正确的做法则相反：从仅假设返回值和内存写入是活跃的开始，然后迭代添加那些计算出活跃值的变量，直到无法再添加为止。这样得到的就是least fixed point —— 即最优的可删除值集合。Khuong将这一见解延伸到了Québec学生工会的真实场景。在学费抗议期间，大学和CEGEP学生工会会就罢工授权进行投票，这些授权常包含关于最低参与人数的条件——例如，要求一定数量的其他学生或工会也承诺罢工后才能采取行动。这些授权形成了一个monotone系统：如果一组工会满足罢工条件，那么任何更大的集合（超集）也会满足这些条件。这一数学性质意味着Tarski's fixed point theorem适用，此时工会的power set按subset inclusion排序形成一个complete lattice。关键问题变为：哪个fixed point代表罢工投票过程的实际结果？Khuong认为目标是找出能够同时罢工的最大可能工会集合 —— 即在subset ordering下的greatest fixed point。然而，解决此问题的直觉算法通常从没有任何工会罢工开始，然后迭代添加其条件被当前罢工集合满足的工会。这种方法寻求的是least fixed point，可能导致尽管存在集体行动的潜力却出现僵局 —— 即没有任何工会罢工。作为举例，Khuong描述了两个各有5,000名成员的工会，其罢工授权要求至少有10,000名学生参与。从零个罢工工会开始，没有任何工会会加入罢工，因为条件未得到满足，由此导致僵局。正确的方法是首先假设所有持有授权的工会都在罢工，然后移除那些在当前集合中不满足条件的工会，最终收敛到greatest fixed point —— 此时两个工会都罢工。尽管Khuong将此称为‘抽象数学帮助我们解释现实情况的一个相当不错的例子’，但他承认这可能主要停留在理论层面。尽管如此，该例子凸显了一种更广泛的模式：在fixed point计算中，直觉的保守方法常常收敛于次优解，而在least fixed point和greatest fixed point之间的选择应当基于问题需求进行deliberate决策，而非源于无意识的偏见。该博客文章在结论中指出，尽管保守的初始值可能带来更快的收敛和始终正确的中间结果，但满足于次优解应当是一个显式选择，而非忽略其他fixed point的后果。