5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

Podobne dokumenty
Maszyna Turinga języki

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Hierarchia Chomsky ego Maszyna Turinga

p Z(G). (G : Z({x i })),

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

Odtworzenie wywodu metodą wstępującą (bottom up)

Maszyna Turinga. Algorytm. czy program???? Problem Hilberta: Przykłady algorytmów. Cechy algorytmu: Pojęcie algorytmu

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

Symbol, alfabet, łańcuch

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Diagonalizacja macierzy kwadratowej

Programowanie Równoległe i Rozproszone

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Języki, automaty i obliczenia

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Gramatyki, wyprowadzenia, hierarchia Chomsky ego. Gramatyka

2.2. Gramatyki, wyprowadzenia, hierarchia Chomsky'ego

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Laboratorium ochrony danych

Automat ze stosem. Języki formalne i automaty. Dr inż. Janusz Majewski Katedra Informatyki

I. Elementy analizy matematycznej

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +

Obliczenia inspirowane Naturą

Funkcje rekurencyjne

Języki, automaty i obliczenia

Matematyczne Podstawy Informatyki

ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ

Egzamin poprawkowy z Analizy II 11 września 2013

1 Przestrzenie statystyczne, statystyki

Obliczenia inspirowane Naturą

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Języki formalne i automaty Ćwiczenia 9

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

Układy równań i równania wyższych rzędów

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Statystyka. Zmienne losowe

3. Interpolacja. Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która

V. TERMODYNAMIKA KLASYCZNA

Jaki język zrozumie automat?

Hierarchia Chomsky ego

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Arytmetyka finansowa Wykład z dnia

Proces narodzin i śmierci

Logika i teoria mnogości Wykład 14

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Definicje ogólne

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

Diagnostyka układów kombinacyjnych

Zadania do Rozdziału X

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Języki i operacje na językach. Teoria automatów i języków formalnych. Definicja języka

Statystyka Inżynierska

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

Rekurencyjna przeliczalność

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Matematyczne Podstawy Informatyki

SZTUCZNA INTELIGENCJA

65120/ / / /200

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304,

CAŁKOWANIE NUMERYCZNE całki pojedyncze

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Pattern Classification

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

Matematyka ubezpieczeń majątkowych r.

architektura komputerów w. 3 Arytmetyka komputerów

Odmiany maszyny Turinga. dr hab. inż. Joanna Józefowska, prof. PP 1

Granice funkcji. XX LO (wrzesień 2016) Matematyka elementarna Temat #8 1 / 21

Przykład: Σ = {0, 1} Σ - zbiór wszystkich skończonych ciagów binarnych. L 1 = {0, 00, 000,...,1, 11, 111,... } L 2 = {01, 1010, 001, 11}

Afiniczne krzywe algebraiczne

Języki, automaty i obliczenia

Metody przybliżonego rozwiązywania równań różniczkowych zwyczajnych

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

11. Pochodna funkcji

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Komputer kwantowy Zasady funkcjonowania. Dr hab. inż. Krzysztof Giaro Politechnika Gdańska Wydział ETI

3.4. Przekształcenia gramatyk bezkontekstowych

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1

1 Równania różniczkowe zwyczajne

Temat: Operacje elementarne na wierszach macierzy

MODELOWANIE RZECZYWISTOŚCI

δ δ δ 1 ε δ δ δ 1 ε ε δ δ δ ε ε = T T a b c 1 = T = T = T

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Matematyka dyskretna. 10. Funkcja Möbiusa

Natalia Nehrebecka. Zajęcia 4

Planowanie eksperymentu pomiarowego I

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Numeryczne metody optymalizacji Optymalizacja w kierunku. informacje dodatkowe

Prawdopodobieństwo geometryczne

Języki formalne i automaty Ćwiczenia 7

Transkrypt:

5. Maszyna Turnga = <Q, q 0, F, Γ, T, δ> T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja przejśca (L w lewo, R w prawo) dwustronne neskończona taśma C q 1 Q Konfguracja: (q,α β) q stan αβ nepusta część taśmy wskazane położena głowcy urządzene sterujące pracujące według funkcj δ Funkcja przejśca: (dla automatu determnstycznego) δ(q 1,C)=(q 2,,R) (q 1, C) " (q 2, ) Konfguracja początkowa: (q 0, α), α T * Przykład: Q = {q 0, q 1, q 2, q 3, q 4, q 5 } F = {q 5 } Γ = {1,2,} T = {1} δ: 1 2 q 0 q 1,2,L q 0,1,R q 1 q 2,,R q 1,1,L q 1,2,L q 2 q 3,,R q 4,,R q 3 q 4,1,R q 3,1,R q 3,2,R q 4 q 1,1,L q 5,1,R q 5 q 5,1,R Start: (q 0, 11), Stop: (q 0, 1111 )

q 0 1 1 q 0 1 1 q 0 1 1 q 1 1 1 2 q 1 1 1 2 q 1 1 1 2 q 2 1 1 2 q 3 1 2 q 3 1 2 q 3 1 2 q 4 1 2 1 q 1 1 2 1 1 q 1 1 2 1 1 q 1 1 2 1 1 q 1 1 2 1 1 q 2 1 2 1 1 q 3 2 1 1 q 3 2 1 1 q 3 2 1 1 q 3 2 1 1 q 4 2 1 1 1 q 1 2 1 1 1 1 q 1 2 1 1 1 1 q 1 2 1 1 1 1 q 1 2 1 1 1 1 q 1 2 1 1 1 1 q 2 2 1 1 1 1 q 4 1 1 1 1 q 5 1 1 1 1.............. q 5 1 1 1 1 Olczalność funkcj w sense Turnga defncja N = {0,1,2, } (zór lcz naturalnych z zerem) Funkcję f f: (x 1,,x k ) N k! N f(x 1,,x k ), k=1,2, nazywamy olczalną w sense Turnga jeżel ( T ) ((q 0, 1 x1 1 x2 1 x2 ) "* (q,1 f(x1,,xk) )) gdze: q F, T={1}, Γ={1,, } Funkcje rekurencyjne defncja: 1. Funkcją rekurencyjną jest: a) Z(x) = 0 zero ) S(x) = x+1 następnk c) I,n (x 1,,x, x n ) = x projekcja (dentyczność)

2. Jeśl f 1,,f n są funkcjam rekurencyjnym m argumentów, g jest funkcją rekurencyjną n argumentów, to funkcją rekurencyjną jest h(x 1,,x m ) = g(f 1 (x 1,,x m ),, f n (x 1,,x m )) podstawene 3. Jeśl f jest funkcją rekurencyjną n argumentów, g jest funkcją rekurencyjną n+2 argumentów, to h(y,x 1,,x n ) (funkcja n+1 argumentów) jest funkcją rekurencyjną określoną jako: h(0,x 1,,x n ) = f(x 1,,x n ) h(y+1,x 1,,x n ) = g(y, h(y,x 1,,x n ),x 1,,x n ) rekursja prosta 4. Jeśl f jest funkcją rekurencyjną n+1 zmennych to funkcja h(x 1,,x n ) ędąca funkcją n zmennych jest funkcją rekurencyjną określoną jako: h(x 1,,x n )= µ y (f(y,x 1,,x n )) gdze µ y (f(y,x 1,,x n )) oznacza najmnejszą lczę y spełnającą równane: f(y,x 1,,x n )=0 dla danych x 1,,x n mnmum efektywne 5. Nc nnego ne jest funkcją rekurencyjną. Funkcje udowane przy pomocy operacj 1,2,3 ( 5) nazywają sę funkcjam perwotne rekurencyjnym F PR klasa funkcj perwotne rekurencyjnych F R klasa funkcj rekurencyjnych F PR F R F PR F R Przy rozpatrywanu olczalnośc funkcj perwotne rekurencyjnych możemy oszacować lczę taktów potrzenych maszyne Turnga do olczena takej funkcj, czyl określć złożoność czasową algorytmu realzowanego przez maszynę Turnga. Dla funkcj rekurencyjnych tworzonych przy pomocy operacj 4 (mnmum efektywne) ne da sę w przypadku ogólnym przeprowadzć takego oszacowana. Jednakże dowodz sę, że maszyna Turnga w skończonej lcze kroków jest w stane funkcje te olczyć (pod warunkem, że są one określone dla wszystkch argumentów swojej dzedzny). Przykłady: a) D(y,x)=y+x jest funkcją rekurencyjną, gdyż można ją otrzymać w drodze podstawena rekursj prostej funkcj podstawowych: D(0,x) = I 1,1 (x) = x D(y+1,x) = S(I 2,3 (y,d(y,x),x)) = S(D(y,x)) = y+x+1 ) H(x)=2x jest funkcją rekurencyjną, gdyż można ją otrzymać w drodze podstawena funkcj rekurencyjnych do funkcj D(y,x), o której wemy z punktu a), że jest rekurencyjna: H(x) = D(I 1,1 (x), I 1,1 (x)) = D(x,x) = x+x = 2x c) M(y,x)=yx jest rekurencyjna, gdyż: M(0,x)=Z(x)=0 M(y+1,x) = I 2,2 (y,d(m(y,x),x)) = D(M(y,x),x) = yx+x = (y+1)x d) E(y,x)=x y jest rekurencyjna, gdyż wykorzystując c) otrzymujemy: E(0,x) = S(Z(x)) = S(0) = 1 = x 0 E(y+1,x) = I 2,2 (y,m(x,e(y,x)) = M(x,E(y,x)) = xx y = x y+1

Zór N nazywamy przelczalne rekurencyjnym, gdy jego funkcja charakterystyczna f(x): 0, dla x f(x)={ 1, dla x jest funkcją rekurencyjną. Maszyna Turnga jest wtedy w stane w skończonej lcze kroków stwerdzć, czy x, czy też x, czyl potraf olczyć funkcję charakterystyczną dla tego x. Zór N nazywamy przelczalne rekurencyjnym, jeżel = ( jest pusty) lu stneje taka funkcja rekurencyjna f(x,y), taka że: ( x ) ( y N) (f(x,y)=0) Klasa zorów rekurencyjnych Z R jest podklasą właścwą klasy zorów rekurencyjne przelczalnych Z RP Z R Z RP ale Z R Z RP Jeżel N jest zorem rekurencyjne przelczalnym, to maszyna Turnga jest w stane w skończonej lcze kroków określć, czy x tylko wtedy, gdy x rzeczywśce należy do. Gdy natomast x to ( y N) (f(x,y)=0), ale ay to sprawdzć trzea przeadać wszystke lczy naturalne, a tych jest neskończene wele, węc adana ne da sę przeprowadzć w skończonej lcze kroków. Pojęca zorów rekurencyjnych rekurencyjne przelczalnych odnosły sę do zorów lcz naturalnych. Można je wszakże przeneść na grunt języków. Numeracja Gödla: Można ponumerować słowa języka: 1. numerujemy elementy alfaetu T={a 1,a 2,,a n } 2. nech p 1 p 2 p 3 p 4 ędze cągem rosnącym lcz perwszych, np. 2,3,5,7,11,13, 3. określamy funkcję num(x) dla x T * num ( ε ) = 0 num ( a a # 1 2 a k ) = k j = 1 p j Można pokazać, że odwzorowane num: T *! N jest wzajemne jednoznaczne (funkcja num(x) jest różnowartoścowa). Przykład: 1. T={a,}, numerujemy ltery => T={a 1,a 2 } 2. określamy rosnący cąg lcz perwszych: p 1, p 2, p 3, jako 2, 3, 5, 7, 3. analzujemy słowo x = aaa T *, x = a 1 a 2 a 1 a 1, num(x) = p 1 1 p 2 2 p 3 1 p 4 1 = 2 1 *3 2 *5 1 *7 1 = 2*9*5*7 = 630 j Nech L T * ędze językem. Zór num(l) określony jako num(l) = {n N n=num(x) x L} jest zorem numerów słów tego języka. Język L nazywamy rekurencyjnym, gdy jego zór num(l) jest zorem rekurencyjnym. Język L nazywamy rekurencyjne przelczalnym, gdy jego zór num(l) jest zorem rekurencyjne przelczalnym.

kceptowalność języka L przez maszynę Turnga = <Q, q 0, F, Γ, T, δ> T Q zór stanów (q 0 stan początkowy, F zór stanów końcowych) Γ alfaet taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ funkcja przejśca Maszyna Turnga akceptuje język L() = {x T * ( q F) ( y Γ * ) ((q 0, x)" * (q,y ))} gdze: (q,y ) konfguracja stopująca Stwerdzena dotyczące zorów rekurencyjnych rekurencyjne przelczalnych przenoszą sę na akceptowalność języków rekurencyjnych rekurencyjne przelczalnych przez maszynę Turnga. L R klasa języków rekurencyjnych L RP klasa języków rekurencyjne przelczalnych L TUR klasa języków akceptowanych przez maszynę Turnga Jeżel L L R to maszyna Turnga potraf stwerdzć czy x L, czy też x L w skończonej lcze kroków. Jeżel L L RP to maszyna Turnga potraf stwerdzć, że x L tylko wtedy, gdy x rzeczywśce należy do L, w przecwnym raze w przypadku ogólnym ne zatrzyma sę po wykonanu skończonej lczy kroków. L R L TUR ale L R L TUR L RP =L TUR =L KOM gdze: L KOM klasa języków komnatorycznych (klasa 0 (zero) w klasyfkacj Chomsky ego) Tw: Klasa zorów rekurencyjnych Z R jest zamknęta ze względu na operacje sumy, przecęca (loczynu mnogoścowego) oraz uzupełnena do N. Jeżel Z R to (N ) Z R Tw. Klasa zorów rekurencyjne przelczalnych Z RP jest zamknęta ze względu na operacje sumy, przecęca (loczynu mnogoścowego), ne jest natomast zamknęta ze względu na uzupełnene do N. Jeżel Z RP to o zorze (N ) nc ne można powedzeć, w szczególnośc ne można powedzeć, że (N ) jest rekurencyjne przelczalny. Gdyy (N ) Z RP to korzystając z faktu, że jeżel x to x (N ) maszyna Turnga potrafłay w skończonej lcze kroków stwerdzć, że x (N ), a zatem mogłay efektywne określać, że x. To nestety ne ma mejsca.