Aniello Murano Automi e Pushdown
|
|
|
- Ilario Rizzi
- 9 anni fa
- Visualizzazioni
Transcript
1 Aniello Murano Automi e Pushdown 2 Lezione n. Parole chiave: Automi e PDA Corso di Laurea: Informatica Codice: Docente: murano@ na.infn.it A.A Calcolabilità, complessità e macchine computazionali Per presentare in modo formale i concetti basilari delle teorie della calcolabilità e della complessità, abbiamo innanzitutto bisogno di una definizione precisa di cosa è un computer. I computer di uso quotidiano, come un personal computer, sono troppo complessi per essere utilizzati come modelli Si preferisce invece utilizzare delle macchine computazionali semplificate. Esistono diverse macchine che si possono usare, con diversa capacità computazionale Solitamente, all aumentare della loro capacità computazionale, aumenta la difficoltà gestionale e valutativa di queste macchine. Tra le macchine computazionali più semplici, particolarmente adatte al nostro scopo, ci sono gli automi. Sebbene gli automi siano costituiti da una memoria finita, esistono svariati contesti reali in cui essi sono impegnati con successo.
2 Perchè studiare la teoria degli automi? La teoria degli automi e dei linguaggi formali è computazionali o macchine computazionali. lo studio di dispositivi Gli automi, originariamente, furono proposti per creare un modello matematico che riproducesse il funzionamento del cervello. La teoria degli automi è alla base della descrizione e della modellazione dei linguaggi di programmazione, della costruzione dei loro riconoscitori e traduttori, della realizzazione di strumenti di elaborazione testuale. Ecco alcuni esempi in cui gli automi finiti sono possono essere utilizzati come modelli per il software: software per la progettazione e la verifica del comportamento dei circuiti digitali; analizzatore lessicale di un compilatore; software che eseguono una scansione di testi molto lunghi per trovare parole, frasi, ecc.; software per verificare i protocolli di comunicazione o protocolli per lo scambio sicuro di informazioni. Riferimenti: Hopcroft, J.E., Ullman J.D., I ntroduction to Autom ata Theory, Languages, and Computation, Addison Wesley, Reading, Mass., Descrizione Un automa è un dispositivo sequenziale creato per eseguire un particolare compito che, ad ogni istante, può trovarsi in un determinato stato. Quando l'automa si trova in uno stato, può eseguire una transizione (in un altro stato) in base ad un input esterno, rappresentato da un simbolo del suo alfabeto Lo scopo dello stato è quello di ricordare la parte rilevante della storia del sistema. Dunque lo stato funge da memoria. Il modello di un automa consiste di un dispositivo di controllo, con un numero finito di stati, una testina di lettura e un nastro infinito diviso in celle. Rappresentazione grafica di un automa
3 Descrizione(2) Gli automi sono spesso utilizzati per descrivere linguaggi formali, e per questo sono chiamati accettori o riconoscitori di un linguaggio. L'evoluzione di un automa parte da un particolare stato detto stato iniziale. Un sottoinsieme privilegiato degli stati di un automa è detto insieme degli stati finali e corrispondono agli stati accettanti. Una sequenza di simboli (detto anche stringa o parola) appartiene al linguaggio accettato da un automa se essa porta l automa, in un certo numero di passi, dallo stato iniziale ad uno accettante. A diverse classi di automi corrispondono diverse classi di linguaggi, caratterizzate da diversi livelli di complessità. Analizziamo in dettaglio i vari tipi di automi Definizione di un DFA Un deterministic finite automaton o DFA (automa a stati finiti determini-stico) è formalmente definito come una quintupla (Q,,,q 0,F) dove Q è un insieme finito di stati è un insieme finito di caratteri che costituiscono l alfabeto : Q x -> Q è la funzione di transizione che associa ad ogni coppia (stato, carattere) uno stato q 0 Q è lo stato iniziale F sottoinsieme di Q è l insieme degli stati finali
4 Run di accettazione di un DFA Un DFA A = (Q,,,q 0,F) accetta una stringa u = u 1 u 2 c è una sequenza di stati r= r 1, r 2,, r n, r n+1 tale che: u n se (e solo se) r 1 =q 0 r i+1 = (r i,u i ), per ogni i con 1 i n r n+1 F Il linguaggio accettato da un DFA è l insieme di tutte le parole (stringhe) formate con i simboli di per il quale l automa partendo dallo stato iniziale raggiunge lo stato finale alla lettura dell ultimo simbolo della parola. Un linguaggio è regolare se esiste un DFA che accetta tutte e sole le parole che esso contiene. Esempio: In figura è mostrato l automa che accetta il linguaggio di tutte le parole composte di 0 e 1 e che terminano con 1. STATO INIZIALE q 0 q 1 0 STATO FINALE Esercizio Scrivere un DFA che accetti il linguaggio di tutte le parole composte di 0 e 1 e che contengono un numero pari di 1. Scrivere un DFA che accetti il linguaggio di tutte le parole composte di 0 e 1, il cui numero binario corrispondente è pari. Scrivere un DFA che accetti il linguaggio di tutte le parole composte di 0 e 1 e che terminano con 01.
5 Definizione di un NFA Un nondeterministic finite automaton o NFA (automa a stati finiti nondeterministico) differisce da un DFA per la definizione della funzione di transizione. Un NFA, stando in uno stato e leggendo un simbolo può andare in più stati. Il funzionamento di un NFA si può immaginare come se esistessero più copie dello stesso automa. Formalmente, un NFA è definito come per i DFA da una quintupla (Q,,,q 0,F), con l unica differenza che la è così definita: : Q x -> 2 Q (con 2 Q denotiamo l insieme di tutti i sottoinsiemi di Q) Nota: data una parola su, un NFA può avere una, nessuna o più sequenze di stati associati dalla funzione di transizione. Una parola è accettata da un NFA se almeno una delle sequenze di stati associate dalla terminano in uno stato finale. Esempio: In figura è mostrato l automa che accetta il linguaggio di tutte le parole composte di 0 e 1 e che terminano con d Confronto tra run di un DFA e di un NFA A = (Q,,, s, F) A accetta la stringa u 1 u 2 u n se c è una sequenza di stati r 1, r 2,, r n, r n+1 tale che: r 1 =s Quando A è un DFA r i+1 = (r i,u i ), per ogni i con 1 i n A accetta la stringa u 1 u 2 u n se c è una sequenza di stati r 1, r 2,, r n, r n+1 tale che: r 1 =s Quando A è un NFA r i+1 (r i,u i ), per ogni i con 1 i n r n+1 F r n+1 F
6 Equivalenza tra DFA e NFA Due automi A e B sono detti equivalenti se accettano lo stesso linguaggio, ovvero L(A)=L(B) Teorema: Per ogni NFA N esiste un DFA D equivalente. Per provare questo teorema si usa la subset construction: gli stati di D rappresentano tutti i possibili sottoinsiemi degli stati raggiungibili in N, sulla stessa parola. Sia N = (Q,,, s, F) un NFA, la subset construction permette di costruire un DFA D = (Q,,, s, F ) nel modo seguente: Q = P (Q) (R,a) = {q q= (p,a) per ogni p R} s = {s} F = {R R è un sottoinsieme di Q che contiene uno stato finale di N} Osservazione: La subset constuction è una traduzione esponenziale! Esercizi Scrivere un NFA e un DFA per il linguaggio accettante tutte le parole terminanti per 001 Scrivere un NFA e un DFA per il linguaggio accettante tutte le parole che hanno un 1 nella terzultima posizione. Scrivere un DFA per il linguaggio D = {w w contiene lo stesso numero di 01 e 10 }. Per esempio 010 è in D
7 Grammatiche, linguaggi regolari e automi Come si è detto precedentemente, gli NFA accettano (tutti e solo) i linguaggi regolari. Questa classe gode della proprietà di essere chiusa rispetto alle operazioni di unione, intersezione e complemento [Prova lasciata per esercizio agli studenti] Ogni linguaggio appartenente a questa classe può essere costruito tramite una grammatica regolare Ogni linguaggio appartenente a questa classe può essere univocamente determinato tramite una espressione regolare. Gli ultimi due concetti, sebbene siano marginali per questo corso, sono fondamentali per uno studio completo sulla teoria degli automi. Informazioni più dettagliate possono essere reperite dal libro di testo consigliato: Hopcroft, J.E., Ullman J.D., I ntroduction to Autom ata Theory, Languages, and Computation, Addison Wesley, Reading, Mass., Oltre gli automi a stati finiti Si consideri il linguaggio L = {a n b n con n>1} Domanda: Questo linguaggio può essere accettato da un automa a stati finiti? Risposta: No! Gli automi a stati finiti posseggono una memoria finita e quindi non sono in grado di riconoscere linguaggi che, per la loro struttura, necessitano di ricordare una quantità di informazioni non limitate. Il linguaggio in oggetto può essere accettato da un Pushdown Automaton o PDA Un PDA è un automa a stati finiti con stack. Lo stack è un contenitore (anche infinito) che rispetta un accesso LIFO ed ha capienza infinita. Ad ogni transizione di un PDA è dunque possibile leggere il contenuto di una cella del nastro ed il simbolo in cima allo stack, passare in un nuovo stato e sostituire il simbolo letto sul top dello stack con una stringa. Schema di un automa pushdown
8 Intermezzo I PDA sono stati introdotti da Oettinger nel 1961 e da Schutzenberger nel 1963 Schutzenberger ( ) è stato un ricercatore e un punto di riferimento per varie generazioni di ricercatori per i linguaggi formali e l informatica teorica. Ha insegnato alla Facoltà di Scienze dell Università di Parigi (VI e VII). Definizione di PDA Un PDA nondeterministico è formalmente definito da una 6-pla (Q,,,,q 0,F) dove Q è un insieme finito di stati è un insieme finito di caratteri che costituiscono l alfabeto del nastro è un insieme finito di caratteri che costituiscono l alfabeto dello stack : Q x x -> P(Q x *) è la funzione di transizione che associa ad ogni tripla (stato, carattere letto sul nastro, carattere letto sul top dello stack) un insieme di possibili coppie (stato, stringa), dove la stringa sostituisce il top dello stack q 0 Q è lo stato iniziale F sottoinsieme di Q è l insieme degli stati finali
9 Passi di Calcolo Se (q, ) (p,a,a), con a, A e allora è possibile che sia eseguito uno dei seguenti passi di calcolo, (POP-PUSH) se a, A, B con a in lettura sul nastro di input e A in cima alla pila passa nello stato q, rimpiazza A con in cima alla pila e muove la testina di lettura del nastro di input di una cella verso destra. (PUSH) se a, A =, B allora, con a in lettura sul nastro di input e indipendentemente dal simbolo in cima alla pila, passa nello stato q, impila in cima alla pila e muove la testina di lettura del nastro di input di una cella verso destra. (POP) se a, A, B = allora, con a in lettura sul nastro di input e A in cima alla pila, passa nello stato q, elimina A dalla cima della pila e muove la testina di lettura del nastro di input di una cella verso destra. Se a =, i tre tipi di mosse avvengono senza che la testina di lettura si sposti. Configurazione Come nel caso degli NFA, il concetto di configurazione è utile per descrivere la situazione in cui si trova la macchina complessivamente: lo stato, l'input ancora da esaminare e il contenuto della pila. Quindi una configurazione è un elemento di Q * *. La configurazione iniziale è (q 0,x, )
10 Accettazione Un PDA M = (Q,,,,q 0,F) accetta una stringa w= w 1 w 2... w n, con w i, se esistono una sequenza di stati, r 0, r 1,.,r n di Q e una stringa s 0, s 1,..., s m di * che soddisfino le seguenti tre condizioni: 1. r 0 = q 0 e s 0 =. 2. Per i = 0,...,m - 1, si ha che (r i+1, b) (r i, w i+1, a), dove s i = a t e s i+1 = b t, per qualche a,b in e t in *. 3. r n appartiene a F. Esempio Un esempio di PDA che accetta il linguaggio L={0 n 1 n n 0} è il seguente:
11 Proprietà dei PDA I PDA sono schiusi rispetto all unione, ma non rispetto al complemento e all intersezione. I PDA sono invece chiusi rispetto all intersezione e al complemento con linguaggi regolari, cioè l intersezione (o il complemento) di un linguaggio accettato da un PDA con un linguaggio regolare è sempre accettato da un PDA. Anche per i PDA esiste la possibilità di usare delle grammatiche in grado di generare tutti i soli i linguaggi da essi accettati: le grammatiche contextfree Esercizi Definire un PDA che accetti il linguaggio {a n b n, con n>1} Definire un PDA che accetti il linguaggio: {a i b j c k l i,j,k >0 e i = j oppure i = k}. Definire un PDA che accetti il linguaggio: {ww R l w {0,1}*}. R sta per reverse (linguaggio delle palindrome)
12 PDA deterministici Un PDA A = (Q,,,,q 0,F) è deterministico (DPDA) se per ogni q Q, a e B, abbiamo che card( (q,a,b)) 1, per ogni q Q e B, se (q,,b), allora (q,a,b) = per ogni a Dunque, se c è una -mossa eseguibile in un certo stato e con un certo simbolo in cima alla pila allora quella è l'unica mossa eseguibile in quello stato e con quel simbolo in cima alla pila. A differenza del caso dei DFA, esistono linguaggi accettati da un PDA che non possono essere accettati da un DPDA (per esempio il linguaggio delle palindrome) Quindi L(PDA), la classe dei linguaggi accettati dai PDA, contiene strettamente L(DPDA), la classe dei linguaggi accettati dai PDA deterministici, Oltre i PDA Per quanto un PDA possa essere più potente in un NFA, esistono linguaggi che non possono essere riconosciuti da un PDA. Per esempio, il linguaggio {a n b n c n, con n>1} necessita di una macchina di Turing per essere accettato. Le macchine di Turing saranno oggetto delle prossime lezioni.
13 This document was created with Win2PDF available at The unregistered version of Win2PDF is for evaluation or non-commercial use only. This page will not be added after purchasing Win2PDF.
This document was created with Win2PDF available at http://www.win2pdf.com. The unregistered version of Win2PDF is for evaluation or non-commercial use only. This page will not be added after purchasing
Automi a pila. Dipartimento di Elettronica e Informazione Politecnico di Milano. 17 marzo 2017
Automi a pila Dipartimento di Elettronica e Informazione Politecnico di Milano 17 marzo 2017 Aumentiamo la potenza di un FSA Descrizione operativa dei limiti Un FSA ha un Organo di Controllo (OC) con memoria
Automi a stati finiti
Automi a stati finiti Definizioni preliminari Il modello: la definizione formale, esempi. Le definizioni utili per descrivere e provare proprietà degli automi: diagramma degli stati, configurazioni, relazione
Esempio stringhe palindrome 1
Esempio stringhe palindrome 1 Automa per il riconoscimento del linguaggio L = {w c w R } A = < {s,f}, {a,b,c}, {a,b},!, s, { f } > con! che contiene le transizioni: 1. (( s, a, " ), (s, a)! [ push a] 2.
Aniello Murano Problemi non decidibili e riducibilità
Aniello Murano Problemi non decidibili e riducibilità 8 Lezione n. Parole chiave: Riduzione Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Overview Nelle lezioni
AUTOMA A STATI FINITI
Gli Automi Un Automa è un dispositivo, o un suo modello in forma di macchina sequenziale, creato per eseguire un particolare compito, che può trovarsi in diverse configurazioni più o meno complesse caratterizzate
Informatica teorica Lez. n 7 Macchine di Turing. Macchine di Turing. Prof. Giorgio Ausiello Università di Roma La Sapienza
Macchine di Turing Argomenti della lezione Definizione della macchina di Turing Riconoscimento e accettazione di linguaggi Macchine a più nastri La macchina di Turing èun è automa che può leggere e scrivere
Linguaggi Regolari e Linguaggi Liberi
Linguaggi Regolari e Linguaggi Liberi Linguaggi regolari Potere espressivo degli automi Costruzione di una grammatica equivalente a un automa Grammatiche regolari Potere espressivo delle grammatiche 1
Capitolo 5: Macchine di Turing e calcolabilitá secondo Turing
Capitolo 5: Macchine di Turing e calcolabilitá secondo Turing 1 Macchina di Turing (MDT ) Un dispositivo che accede a un nastro (potenzialmente) illimitato diviso in celle contenenti ciascuna un simbolo
Forme Normali. Forma normale di Chomsky. E caratterizzata da regole di due tipi. A! BC dove A, B, C $ V N A! a con a $ V T. Forma normale di Greibach
Forme Normali A partire da una grammatica Context-free G è sempre possibile costruire una grammatica equivalente G ovvero L(G) = L(G ) che abbiano le produzioni in forme particolari, dette forme normali.
Aniello Murano Problemi decidibili e non decidibili
Aniello Murano Problemi decidibili e non decidibili 7 Lezione n. Parole chiave: Decidibilità Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Overview In questa lezione
Forma Normale di Chomsky
2. Eliminazione delle produzioni unitarie Forma Normale di Chomsky Una produzione si dice unitaria se è della forma A! B. Le produzioni unitarie in pratica consistono in una ridenominazione di variabili,
Linguaggi Regolari e Linguaggi Liberi
Linguaggi Regolari e Linguaggi Liberi Potenza espressiva degli automi Potenza espressiva delle grammatiche 9/11/2004 Programmazione - Luca Tesei 1 Linguaggi Regolari Tutti i linguaggi che possono essere
Macchina di Turing. Dipartimento di Elettronica e Informazione Politecnico di Milano. 17 marzo 2017
Macchina di Turing Dipartimento di Elettronica e Informazione Politecnico di Milano 17 marzo 2017 Un modello di calcolo universale Macchina di Turing Gli AP sono più potenti degli FSA (= maggiori capacità
Linguaggi e Traduttori: Analisi lessicale
Linguaggi e Traduttori: Analisi lessicale Armando Tacchella Sistemi e Tecnologie per il Ragionamento Automatico (STAR-La) Dipartimento di Informatica Sistemistica e Telematica (DIST) Università di Genova
Fondamenti d Informatica: Le Macchine di Turing. Barbara Re, Phd
Fondamenti d Informatica: Le Macchine di Turing Barbara Re, Phd Agenda } Introdurremo } il formalismo delle Macchine di Turing nelle varie versioni } la nozione di calcolabilità e di decidibilità 2 La
Modelli e complessità di calcolo
Modelli e complessità di calcolo Prof. Giorgio Ausiello Orario delle lezioni: Martedi, Mercoledi, Giovedi ore 8.30 10.00 Orario di ricevimento: Lunedi ore 17.00 19.00 Via Ariosto 25 II piano - Ufficio
Fondamenti d Informatica: linguaggi formali. Barbara Re, Phd
Fondamenti d Informatica: linguaggi formali Barbara Re, Phd Agenda } Introdurremo } La nozione di linguaggio } Strumenti per definire un linguaggio } Espressioni Regolari 2 Linguaggio } Da un punto di
Esercizi di Fondamenti di Informatica per la sicurezza. Stefano Ferrari
Esercizi di Fondamenti di Informatica per la sicurezza tefano Ferrari 23 dicembre 2003 2 Argomento 1 Grammatiche e linguaggi Esercizi Es. 1.1 Definiti i linguaggi: L 1 = {aa, ab, bc, c} L 2 = {1, 22, 31}
Appunti del corso di Informatica 1 (IN110 Fondamenti) 3 Modelli di calcolo
Università Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica 1 (IN110 Fondamenti) 3 Modelli di calcolo Marco Liverani ([email protected])
L interesse nella macchina di Turing
Aniello Murano Macchina di Turing universale e problema della fermata 6 Lezione n. Parole chiave: Universal Turing machine Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009
Macchine di Turing: somma di due numeri
Informatica Teorica 2/2 M.Di Ianni Macchine di Turing: somma di due numeri Vogliamo definire una macchina di Turing che, presi in input due numeri n e m espressi in notazione binaria, calcola il valore
Algoritmi e Principi dell Informatica
Algoritmi e Principi dell Informatica Appello del 1 Settembre 2016 Chi deve sostenere l esame integrato (API) deve svolgere tutti gli esercizi in 2 ore e 30 minuti. Chi deve sostenere solo il modulo di
Implementazione di DFA in C
Implementazione di DFA in C Dispensa di Laboratorio di Linguaggi di Programmazione Sommario Corrado Mencar, Pasquale Lops, Stefano Ferilli Questa dispensa fornisce le linee guida per l implementazione,
ELEMENTI DI PROGRAMMAZIONE a.a. 2013/14 UNA GERARCHIA DI MACCHINE
ELEMENTI DI PROGRAMMAZIONE a.a. 23/4 UNA GERARCHIA DI MACCHINE Andrea Prevete, UNINA2 24 UNA GERARCHIA DI MACCHINE macchine combinatorie macchine sequenziali (automi a numero finito di stati)... macchine
Automi a pila deterministici. Achille Frigeri Dipartimento di Matematica Francesco Brioschi Politecnico di Milano
Automi a pila deterministici Achille Frigeri Dipartimento di Matematica Francesco Brioschi Politecnico di Milano Automi a pila A = (Σ, Q, Γ, i 0, F, δ, ) Σ = {a 1,..., a n } Q = {q 1,..., q m } Γ = {A
Informatica e Comunicazione Digitale Crediti formativi 9. No, ma la frequenza è fortemente consigliata Lingua di erogazione
Principali informazioni sull insegnamento Titolo insegnamento Linguaggi di Programmazione Corso di studio Informatica e Comunicazione Digitale Crediti formativi 9 Denominazione inglese Programming Languages
Il Concetto Intuitivo di Calcolatore. Esercizio. I Problemi e la loro Soluzione. (esempio)
Il Concetto Intuitivo di Calcolatore Elementi di Informatica e Programmazione Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini Variabile di uscita Classe di domande
Linguaggi e Ambienti di Programmazione
Linguaggi e Ambienti di Programmazione Principi e tecniche diffuse che si incontrano spesso nelle applicazioni dell informatica. Compilatori Editor di struttura: riceve in input una sequenza di comandi
ELEMENTI DI PROGRAMMAZIONE a.a. 2012/13 MACCHINE, ALGORITMI, PROGRAMMI
ELEMENTI DI PROGRAMMAZIONE a.a. 22/3 MACCHINE, ALGORITMI, PROGRAMMI Andrea Prevete, UNINA2 23 UNA GERARCHIA DI MACCHINE macchine combinatorie macchine sequenziali (automi a stati finiti)... macchine di
Problemi, algoritmi, calcolatore
Problemi, algoritmi, calcolatore Informatica e Programmazione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Problemi, algoritmi, calcolatori Introduzione
